Universidade de São Paulo Escola Superior de Agricultura ... · tabela 4. resultados do modelo...
63
Universidade de São Paulo Escola Superior de Agricultura “Luiz de Queiroz” Análise econômica do impacto do manejo integrado pragas sobre a produtividade da cana-de-açúcar no estado de São Paulo Gustavo Ferrarezi Giachini Dissertação apresentada para obtenção do título de Mestre em Ciências. Área de concentração: Economia Aplicada Piracicaba 2016
Transcript of Universidade de São Paulo Escola Superior de Agricultura ... · tabela 4. resultados do modelo...
Universidade de Satildeo Paulo
Escola Superior de Agricultura ldquoLuiz de Queirozrdquo
Anaacutelise econocircmica do impacto do manejo integrado pragas sobre a
produtividade da cana-de-accediluacutecar no estado de Satildeo Paulo
Gustavo Ferrarezi Giachini
Dissertaccedilatildeo apresentada para obtenccedilatildeo do tiacutetulo de
Mestre em Ciecircncias Aacuterea de concentraccedilatildeo Economia
Aplicada
Piracicaba
2016
Gustavo Ferrarezi Giachini
Bacharel em Ciecircncias Econocircmicas
Anaacutelise econocircmica do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar no estado de Satildeo Paulo
Orientador Prof Dr HUMBERTO FRANCISCO SILVA SPOLADOR
Dissertaccedilatildeo apresentada para obtenccedilatildeo do tiacutetulo de
Mestre em Ciecircncias Aacuterea de concentraccedilatildeo Economia
Aplicada
Piracicaba
2016
2
Dados Internacionais de Catalogaccedilatildeo na Publicaccedilatildeo DIVISAtildeO DE BIBLIOTECA ndash DIBDESALQUSP
Giachini Gustavo Ferrarezi
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da cana-de-accediluacutecar do Estado de Satildeo Paulo Gustavo Ferrarezi Giachini - - Piracicaba 2016
62 p
Dissertaccedilatildeo (Mestrado) - - USP Escola Superior de Agricultura ldquoLuiz de Queirozrdquo
1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4 Cana-de-accediluacutecar ITiacutetulo
3
A minha famiacutelia especialmente meus pais Jorge e Lourdes
4
AGRADECIMENTOS
Ao meu orientador Prof Dr Humberto Francisco Silva Spolador pela oportunidade e
confianccedila depositada em mim por sua dedicaccedilatildeo ensinamentos e pelo exemplo de
pesquisador e pessoa
Ao Conselho Nacional de Desenvolvimento Cientiacutefico e Tecnoloacutegico (CNPq) e a
Coordenaccedilatildeo de Aperfeiccediloamento de Pessoal de Niacutevel Superior (CAPES) pela concessatildeo da
bolsa de estudos
Aos professores doutores Alexandre Nunes de Almeida Faacutebio Ricardo Marin e
Rogeacuterio Edvaldo Freitas pelas contribuiccedilotildees e leitura atenta do trabalho
A Escola Superior de Agricultura ldquoLuiz de Queirozrdquo especialmente ao
Departamento de Economia Administraccedilatildeo e Sociologia Universidade de Satildeo Paulo em
especial aos seus funcionaacuterios e corpo docente
Aos meus pais Jorge e Lourdes meu irmatildeo e cunhada Camillo e Marcela por terem
dado apoio incondicional amor amizade companheirismo suporte e incentivos necessaacuterios
para que os objetivos e sonhos se tornassem possiacuteveis
Aos amigos que ganhei durante o mestrado em especial Diego (Capivara) Rafael
(Shakira) e Augusto (Jussara) pelos debates propostos para auxiliar e melhorar o trabalho e a
amizade duradoura
Aos amigos de repuacuteblica Leandro (Tiuzinho) Andreacute (Xanxi) Henrique (Chupeta)
Augusto (Jussara) Rafael (Shakira) Tiago (Igual) Pedro (Satilde) que contribuiacuteram diretamente
no desenvolvimento do curso e na minha formaccedilatildeo quanto mestre pela amizade e
companheirismo
Ao Centro de Estudos Avanccedilados em Economia Aplicada (CEPEA-ESALQUSP)
pela oportunidade em fazer parte da equipe de pesquisadores em especial a Nicole e Leandro
companheiros de trabalho pela supervisatildeo apoio e conhecimento compartilhado
5
ldquoQuanto mais aumenta nosso conhecimento
Mais evidente fica nossa ignoracircnciardquo
John F Kennedy
6
SUMAacuteRIO
RESUMO 7
ABSTRACT 8
LISTA DE FIGURAS 9
LISTA DE TABELAS 10
1 INTRODUCcedilAtildeO 11
2 REVISAtildeO BIBLIOGRAacuteFICA 15
21 A EVOLUCcedilAtildeO RECENTE DO SETOR CANAVIEIRO NO BRASIL 15 22 O MANEJO INTEGRADO DE PRAGAS E O IMPACTO DAS PRAGAS NA CANA-DE-ACcedilUacuteCAR 23 23 RESULTADOS EMPIacuteRICOS DA LITERATURA 26
3 METODOLOGIA 31
31 ASPECTOS GERAIS 31 32 ESTIMACcedilAtildeO DO PROPENSITY SCORE 34 33 MODELOS DE PAREAMENTO 35 34 ESTIMACcedilAtildeO DO EMTT E QUALIDADE DO PAREAMENTO 37 35 PROCEDIMENTO PARA IMPLEMENTACcedilAtildeO DO PROPENSITY SCORE MATCHING 38
4 BASE DE DADOS 39
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS 41
51 RESULTADOS DO PROPENSITY SCORE MATCHING 41 52 ANAacuteLISE DE ROBUSTEZ 49
6 CONSIDERACcedilOtildeES FINAIS 55
REFEREcircNCIAS 57
ANEXOS 62
7
RESUMO
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da
cana-de-accediluacutecar do estado de Satildeo Paulo
Um dos principais desafios da agricultura e mais especificamente da
produccedilatildeo de cana-de-accediluacutecar no Brasil visando garantir o abastecimento do
mercado domeacutestico e a competitividade nos mercados internacionais eacute manter
niacuteveis elevados de produtividade Embora tenha ocorrido um avanccedilo significativo
nas teacutecnicas de produccedilatildeo nas uacuteltimas deacutecadas a produtividade desta lavoura se
encontra conforme alguns estudos disponiacuteveis na literatura aqueacutem do seu niacutevel
potencial Uma das alternativas para contribuir com o aumento da produtividade eacute
a utilizaccedilatildeo de novas teacutecnicas como o Manejo Integrado de Pragas por exemplo
Os trabalhos que avaliaram recentemente a produtividade do setor sugerem que haacute
ganhos para os adotantes dessa teacutecnica Para o estado de Satildeo Paulo poreacutem
existem poucos estudos empiacutericos de avaliaccedilatildeo de impacto no setor
sucroalcooleiro Portanto o objetivo deste trabalho foi avaliar como a adoccedilatildeo de
tecnologia no caso o manejo integrado de pragas pode impactar na produtividade
da cana-de-accediluacutecar nas Unidades de Produccedilatildeo Agropecuaacuteria (UPA) do estado de
Satildeo Paulo que constam no Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) do Instituto de Economia Agriacutecola (IEA) Para
isto utilizou-se o meacutetodo de Propensity Score Matching (PSM) para medir o
impacto da adoccedilatildeo tecnoloacutegica na produtividade As estimativas mostraram
efeitos positivos e significativos indicando que o manejo integrado de pragas
pode aumentar de 29 tonha a 44 tonha aproximadamente a produtividade da
cana de accediluacutecar Os resultados indicam tambeacutem que haacute maiores chances de adotar
o manejo integrado de pragas osprodutores que apresentaram maiores niacuteveis de
instruccedilatildeo os adeptos de teacutecnicas de anaacutelise de solo de adubaccedilatildeo mudas
fiscalizadas entre outros
Palavras-chave 1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4
Cana-de-accediluacutecar
8
ABSTRACT
Economic analysis of the integrated pest management impact on sugarcane productivity
in the state of Satildeo Paulo
One of the main challenges of agriculture and more specifically of the
production of sugarcane in Brazil in order to guarantee domestic supply and
competitiveness on the international markets is to maintain high levels of
productivity Although there has been a significant advance in terms of production
techniques in recent decades the sugarcane yield according to some studies in the
literature below its potential level One of the alternatives to contribute to the
productivity increase is the use of new techniques such as Integrated Pest
Management for example Papers that recently evaluated the agricultural
productivity suggest that there are gains for the adopters of this technique For the
state of Satildeo Paulo however there are few empirical studies of impact assessment
in the sugar and alcohol sector Therefore the objective of this study was to
evaluate how the adoption of technology in the specific case of the integrated pest
management can impact sugarcanes productivity in the Agricultural Production
Units (UPA) of the State of Satildeo Paulo which were in the Census Survey Of
Agricultural Production Units (LUPA Project) published by the Institute of
Agricultural Economics (IEA) For this purpose the Propensity Score Matching
method was implemented to measure the impact of technological adoption on
productivity Results suggested positive and significant effects indicationg the
Integrated Pest Management increases approximately the sugarcane productivity
between 29 tonha to 44 tonha according the empirical model specification The
analysis also highlighted a greater chance to adopt the integrated pest
management by producers with highest levels of education and the adopters of
techniques of soil analysis fertilization and supervised seedlings
Keywords 1 Integrated Pest Management 2 Productivity 3 Propensity Score Matching 4
Sugarcane
9
LISTA DE FIGURAS
FIGURA 1 PRODUCcedilAtildeO MUNDIAL DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES 15
FIGURA 2 PRODUTIVIDADE DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES PRODUTORES
(1990-2014) 16
FIGURA 3 RENDIMENTO MEacuteDIO DA PRODUCcedilAtildeO DE CANA-DE-ACcedilUacuteCAR POR HECTARE
GRANDES REGIOtildeES (1990-2015) 17
FIGURA 4 EVOLUCcedilAtildeO DA AacuteREA PLANTADA E PRODUCcedilAtildeO NO ESTADO DE SAtildeO PAULO (2000
A 2014) 18
FIGURA 5 MAPA DA EXPANSAtildeO DA CULTURA CANAVIEIRA NO ESTADO DE SAtildeO PAULO
POR MUNICIacutePIOS PERCENTUAL DA AacuteREA TOTAL DO MUNICIacutePIO DESTINADA Agrave CULTURA
DA CANA-DE-ACcedilUacuteCAR (199020082014) 22
FIGURA 6 HISTOGRAMA DA AacuteREA DE SUPORTE COMUM 45
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
Gustavo Ferrarezi Giachini
Bacharel em Ciecircncias Econocircmicas
Anaacutelise econocircmica do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar no estado de Satildeo Paulo
Orientador Prof Dr HUMBERTO FRANCISCO SILVA SPOLADOR
Dissertaccedilatildeo apresentada para obtenccedilatildeo do tiacutetulo de
Mestre em Ciecircncias Aacuterea de concentraccedilatildeo Economia
Aplicada
Piracicaba
2016
2
Dados Internacionais de Catalogaccedilatildeo na Publicaccedilatildeo DIVISAtildeO DE BIBLIOTECA ndash DIBDESALQUSP
Giachini Gustavo Ferrarezi
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da cana-de-accediluacutecar do Estado de Satildeo Paulo Gustavo Ferrarezi Giachini - - Piracicaba 2016
62 p
Dissertaccedilatildeo (Mestrado) - - USP Escola Superior de Agricultura ldquoLuiz de Queirozrdquo
1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4 Cana-de-accediluacutecar ITiacutetulo
3
A minha famiacutelia especialmente meus pais Jorge e Lourdes
4
AGRADECIMENTOS
Ao meu orientador Prof Dr Humberto Francisco Silva Spolador pela oportunidade e
confianccedila depositada em mim por sua dedicaccedilatildeo ensinamentos e pelo exemplo de
pesquisador e pessoa
Ao Conselho Nacional de Desenvolvimento Cientiacutefico e Tecnoloacutegico (CNPq) e a
Coordenaccedilatildeo de Aperfeiccediloamento de Pessoal de Niacutevel Superior (CAPES) pela concessatildeo da
bolsa de estudos
Aos professores doutores Alexandre Nunes de Almeida Faacutebio Ricardo Marin e
Rogeacuterio Edvaldo Freitas pelas contribuiccedilotildees e leitura atenta do trabalho
A Escola Superior de Agricultura ldquoLuiz de Queirozrdquo especialmente ao
Departamento de Economia Administraccedilatildeo e Sociologia Universidade de Satildeo Paulo em
especial aos seus funcionaacuterios e corpo docente
Aos meus pais Jorge e Lourdes meu irmatildeo e cunhada Camillo e Marcela por terem
dado apoio incondicional amor amizade companheirismo suporte e incentivos necessaacuterios
para que os objetivos e sonhos se tornassem possiacuteveis
Aos amigos que ganhei durante o mestrado em especial Diego (Capivara) Rafael
(Shakira) e Augusto (Jussara) pelos debates propostos para auxiliar e melhorar o trabalho e a
amizade duradoura
Aos amigos de repuacuteblica Leandro (Tiuzinho) Andreacute (Xanxi) Henrique (Chupeta)
Augusto (Jussara) Rafael (Shakira) Tiago (Igual) Pedro (Satilde) que contribuiacuteram diretamente
no desenvolvimento do curso e na minha formaccedilatildeo quanto mestre pela amizade e
companheirismo
Ao Centro de Estudos Avanccedilados em Economia Aplicada (CEPEA-ESALQUSP)
pela oportunidade em fazer parte da equipe de pesquisadores em especial a Nicole e Leandro
companheiros de trabalho pela supervisatildeo apoio e conhecimento compartilhado
5
ldquoQuanto mais aumenta nosso conhecimento
Mais evidente fica nossa ignoracircnciardquo
John F Kennedy
6
SUMAacuteRIO
RESUMO 7
ABSTRACT 8
LISTA DE FIGURAS 9
LISTA DE TABELAS 10
1 INTRODUCcedilAtildeO 11
2 REVISAtildeO BIBLIOGRAacuteFICA 15
21 A EVOLUCcedilAtildeO RECENTE DO SETOR CANAVIEIRO NO BRASIL 15 22 O MANEJO INTEGRADO DE PRAGAS E O IMPACTO DAS PRAGAS NA CANA-DE-ACcedilUacuteCAR 23 23 RESULTADOS EMPIacuteRICOS DA LITERATURA 26
3 METODOLOGIA 31
31 ASPECTOS GERAIS 31 32 ESTIMACcedilAtildeO DO PROPENSITY SCORE 34 33 MODELOS DE PAREAMENTO 35 34 ESTIMACcedilAtildeO DO EMTT E QUALIDADE DO PAREAMENTO 37 35 PROCEDIMENTO PARA IMPLEMENTACcedilAtildeO DO PROPENSITY SCORE MATCHING 38
4 BASE DE DADOS 39
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS 41
51 RESULTADOS DO PROPENSITY SCORE MATCHING 41 52 ANAacuteLISE DE ROBUSTEZ 49
6 CONSIDERACcedilOtildeES FINAIS 55
REFEREcircNCIAS 57
ANEXOS 62
7
RESUMO
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da
cana-de-accediluacutecar do estado de Satildeo Paulo
Um dos principais desafios da agricultura e mais especificamente da
produccedilatildeo de cana-de-accediluacutecar no Brasil visando garantir o abastecimento do
mercado domeacutestico e a competitividade nos mercados internacionais eacute manter
niacuteveis elevados de produtividade Embora tenha ocorrido um avanccedilo significativo
nas teacutecnicas de produccedilatildeo nas uacuteltimas deacutecadas a produtividade desta lavoura se
encontra conforme alguns estudos disponiacuteveis na literatura aqueacutem do seu niacutevel
potencial Uma das alternativas para contribuir com o aumento da produtividade eacute
a utilizaccedilatildeo de novas teacutecnicas como o Manejo Integrado de Pragas por exemplo
Os trabalhos que avaliaram recentemente a produtividade do setor sugerem que haacute
ganhos para os adotantes dessa teacutecnica Para o estado de Satildeo Paulo poreacutem
existem poucos estudos empiacutericos de avaliaccedilatildeo de impacto no setor
sucroalcooleiro Portanto o objetivo deste trabalho foi avaliar como a adoccedilatildeo de
tecnologia no caso o manejo integrado de pragas pode impactar na produtividade
da cana-de-accediluacutecar nas Unidades de Produccedilatildeo Agropecuaacuteria (UPA) do estado de
Satildeo Paulo que constam no Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) do Instituto de Economia Agriacutecola (IEA) Para
isto utilizou-se o meacutetodo de Propensity Score Matching (PSM) para medir o
impacto da adoccedilatildeo tecnoloacutegica na produtividade As estimativas mostraram
efeitos positivos e significativos indicando que o manejo integrado de pragas
pode aumentar de 29 tonha a 44 tonha aproximadamente a produtividade da
cana de accediluacutecar Os resultados indicam tambeacutem que haacute maiores chances de adotar
o manejo integrado de pragas osprodutores que apresentaram maiores niacuteveis de
instruccedilatildeo os adeptos de teacutecnicas de anaacutelise de solo de adubaccedilatildeo mudas
fiscalizadas entre outros
Palavras-chave 1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4
Cana-de-accediluacutecar
8
ABSTRACT
Economic analysis of the integrated pest management impact on sugarcane productivity
in the state of Satildeo Paulo
One of the main challenges of agriculture and more specifically of the
production of sugarcane in Brazil in order to guarantee domestic supply and
competitiveness on the international markets is to maintain high levels of
productivity Although there has been a significant advance in terms of production
techniques in recent decades the sugarcane yield according to some studies in the
literature below its potential level One of the alternatives to contribute to the
productivity increase is the use of new techniques such as Integrated Pest
Management for example Papers that recently evaluated the agricultural
productivity suggest that there are gains for the adopters of this technique For the
state of Satildeo Paulo however there are few empirical studies of impact assessment
in the sugar and alcohol sector Therefore the objective of this study was to
evaluate how the adoption of technology in the specific case of the integrated pest
management can impact sugarcanes productivity in the Agricultural Production
Units (UPA) of the State of Satildeo Paulo which were in the Census Survey Of
Agricultural Production Units (LUPA Project) published by the Institute of
Agricultural Economics (IEA) For this purpose the Propensity Score Matching
method was implemented to measure the impact of technological adoption on
productivity Results suggested positive and significant effects indicationg the
Integrated Pest Management increases approximately the sugarcane productivity
between 29 tonha to 44 tonha according the empirical model specification The
analysis also highlighted a greater chance to adopt the integrated pest
management by producers with highest levels of education and the adopters of
techniques of soil analysis fertilization and supervised seedlings
Keywords 1 Integrated Pest Management 2 Productivity 3 Propensity Score Matching 4
Sugarcane
9
LISTA DE FIGURAS
FIGURA 1 PRODUCcedilAtildeO MUNDIAL DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES 15
FIGURA 2 PRODUTIVIDADE DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES PRODUTORES
(1990-2014) 16
FIGURA 3 RENDIMENTO MEacuteDIO DA PRODUCcedilAtildeO DE CANA-DE-ACcedilUacuteCAR POR HECTARE
GRANDES REGIOtildeES (1990-2015) 17
FIGURA 4 EVOLUCcedilAtildeO DA AacuteREA PLANTADA E PRODUCcedilAtildeO NO ESTADO DE SAtildeO PAULO (2000
A 2014) 18
FIGURA 5 MAPA DA EXPANSAtildeO DA CULTURA CANAVIEIRA NO ESTADO DE SAtildeO PAULO
POR MUNICIacutePIOS PERCENTUAL DA AacuteREA TOTAL DO MUNICIacutePIO DESTINADA Agrave CULTURA
DA CANA-DE-ACcedilUacuteCAR (199020082014) 22
FIGURA 6 HISTOGRAMA DA AacuteREA DE SUPORTE COMUM 45
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
2
Dados Internacionais de Catalogaccedilatildeo na Publicaccedilatildeo DIVISAtildeO DE BIBLIOTECA ndash DIBDESALQUSP
Giachini Gustavo Ferrarezi
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da cana-de-accediluacutecar do Estado de Satildeo Paulo Gustavo Ferrarezi Giachini - - Piracicaba 2016
62 p
Dissertaccedilatildeo (Mestrado) - - USP Escola Superior de Agricultura ldquoLuiz de Queirozrdquo
1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4 Cana-de-accediluacutecar ITiacutetulo
3
A minha famiacutelia especialmente meus pais Jorge e Lourdes
4
AGRADECIMENTOS
Ao meu orientador Prof Dr Humberto Francisco Silva Spolador pela oportunidade e
confianccedila depositada em mim por sua dedicaccedilatildeo ensinamentos e pelo exemplo de
pesquisador e pessoa
Ao Conselho Nacional de Desenvolvimento Cientiacutefico e Tecnoloacutegico (CNPq) e a
Coordenaccedilatildeo de Aperfeiccediloamento de Pessoal de Niacutevel Superior (CAPES) pela concessatildeo da
bolsa de estudos
Aos professores doutores Alexandre Nunes de Almeida Faacutebio Ricardo Marin e
Rogeacuterio Edvaldo Freitas pelas contribuiccedilotildees e leitura atenta do trabalho
A Escola Superior de Agricultura ldquoLuiz de Queirozrdquo especialmente ao
Departamento de Economia Administraccedilatildeo e Sociologia Universidade de Satildeo Paulo em
especial aos seus funcionaacuterios e corpo docente
Aos meus pais Jorge e Lourdes meu irmatildeo e cunhada Camillo e Marcela por terem
dado apoio incondicional amor amizade companheirismo suporte e incentivos necessaacuterios
para que os objetivos e sonhos se tornassem possiacuteveis
Aos amigos que ganhei durante o mestrado em especial Diego (Capivara) Rafael
(Shakira) e Augusto (Jussara) pelos debates propostos para auxiliar e melhorar o trabalho e a
amizade duradoura
Aos amigos de repuacuteblica Leandro (Tiuzinho) Andreacute (Xanxi) Henrique (Chupeta)
Augusto (Jussara) Rafael (Shakira) Tiago (Igual) Pedro (Satilde) que contribuiacuteram diretamente
no desenvolvimento do curso e na minha formaccedilatildeo quanto mestre pela amizade e
companheirismo
Ao Centro de Estudos Avanccedilados em Economia Aplicada (CEPEA-ESALQUSP)
pela oportunidade em fazer parte da equipe de pesquisadores em especial a Nicole e Leandro
companheiros de trabalho pela supervisatildeo apoio e conhecimento compartilhado
5
ldquoQuanto mais aumenta nosso conhecimento
Mais evidente fica nossa ignoracircnciardquo
John F Kennedy
6
SUMAacuteRIO
RESUMO 7
ABSTRACT 8
LISTA DE FIGURAS 9
LISTA DE TABELAS 10
1 INTRODUCcedilAtildeO 11
2 REVISAtildeO BIBLIOGRAacuteFICA 15
21 A EVOLUCcedilAtildeO RECENTE DO SETOR CANAVIEIRO NO BRASIL 15 22 O MANEJO INTEGRADO DE PRAGAS E O IMPACTO DAS PRAGAS NA CANA-DE-ACcedilUacuteCAR 23 23 RESULTADOS EMPIacuteRICOS DA LITERATURA 26
3 METODOLOGIA 31
31 ASPECTOS GERAIS 31 32 ESTIMACcedilAtildeO DO PROPENSITY SCORE 34 33 MODELOS DE PAREAMENTO 35 34 ESTIMACcedilAtildeO DO EMTT E QUALIDADE DO PAREAMENTO 37 35 PROCEDIMENTO PARA IMPLEMENTACcedilAtildeO DO PROPENSITY SCORE MATCHING 38
4 BASE DE DADOS 39
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS 41
51 RESULTADOS DO PROPENSITY SCORE MATCHING 41 52 ANAacuteLISE DE ROBUSTEZ 49
6 CONSIDERACcedilOtildeES FINAIS 55
REFEREcircNCIAS 57
ANEXOS 62
7
RESUMO
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da
cana-de-accediluacutecar do estado de Satildeo Paulo
Um dos principais desafios da agricultura e mais especificamente da
produccedilatildeo de cana-de-accediluacutecar no Brasil visando garantir o abastecimento do
mercado domeacutestico e a competitividade nos mercados internacionais eacute manter
niacuteveis elevados de produtividade Embora tenha ocorrido um avanccedilo significativo
nas teacutecnicas de produccedilatildeo nas uacuteltimas deacutecadas a produtividade desta lavoura se
encontra conforme alguns estudos disponiacuteveis na literatura aqueacutem do seu niacutevel
potencial Uma das alternativas para contribuir com o aumento da produtividade eacute
a utilizaccedilatildeo de novas teacutecnicas como o Manejo Integrado de Pragas por exemplo
Os trabalhos que avaliaram recentemente a produtividade do setor sugerem que haacute
ganhos para os adotantes dessa teacutecnica Para o estado de Satildeo Paulo poreacutem
existem poucos estudos empiacutericos de avaliaccedilatildeo de impacto no setor
sucroalcooleiro Portanto o objetivo deste trabalho foi avaliar como a adoccedilatildeo de
tecnologia no caso o manejo integrado de pragas pode impactar na produtividade
da cana-de-accediluacutecar nas Unidades de Produccedilatildeo Agropecuaacuteria (UPA) do estado de
Satildeo Paulo que constam no Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) do Instituto de Economia Agriacutecola (IEA) Para
isto utilizou-se o meacutetodo de Propensity Score Matching (PSM) para medir o
impacto da adoccedilatildeo tecnoloacutegica na produtividade As estimativas mostraram
efeitos positivos e significativos indicando que o manejo integrado de pragas
pode aumentar de 29 tonha a 44 tonha aproximadamente a produtividade da
cana de accediluacutecar Os resultados indicam tambeacutem que haacute maiores chances de adotar
o manejo integrado de pragas osprodutores que apresentaram maiores niacuteveis de
instruccedilatildeo os adeptos de teacutecnicas de anaacutelise de solo de adubaccedilatildeo mudas
fiscalizadas entre outros
Palavras-chave 1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4
Cana-de-accediluacutecar
8
ABSTRACT
Economic analysis of the integrated pest management impact on sugarcane productivity
in the state of Satildeo Paulo
One of the main challenges of agriculture and more specifically of the
production of sugarcane in Brazil in order to guarantee domestic supply and
competitiveness on the international markets is to maintain high levels of
productivity Although there has been a significant advance in terms of production
techniques in recent decades the sugarcane yield according to some studies in the
literature below its potential level One of the alternatives to contribute to the
productivity increase is the use of new techniques such as Integrated Pest
Management for example Papers that recently evaluated the agricultural
productivity suggest that there are gains for the adopters of this technique For the
state of Satildeo Paulo however there are few empirical studies of impact assessment
in the sugar and alcohol sector Therefore the objective of this study was to
evaluate how the adoption of technology in the specific case of the integrated pest
management can impact sugarcanes productivity in the Agricultural Production
Units (UPA) of the State of Satildeo Paulo which were in the Census Survey Of
Agricultural Production Units (LUPA Project) published by the Institute of
Agricultural Economics (IEA) For this purpose the Propensity Score Matching
method was implemented to measure the impact of technological adoption on
productivity Results suggested positive and significant effects indicationg the
Integrated Pest Management increases approximately the sugarcane productivity
between 29 tonha to 44 tonha according the empirical model specification The
analysis also highlighted a greater chance to adopt the integrated pest
management by producers with highest levels of education and the adopters of
techniques of soil analysis fertilization and supervised seedlings
Keywords 1 Integrated Pest Management 2 Productivity 3 Propensity Score Matching 4
Sugarcane
9
LISTA DE FIGURAS
FIGURA 1 PRODUCcedilAtildeO MUNDIAL DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES 15
FIGURA 2 PRODUTIVIDADE DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES PRODUTORES
(1990-2014) 16
FIGURA 3 RENDIMENTO MEacuteDIO DA PRODUCcedilAtildeO DE CANA-DE-ACcedilUacuteCAR POR HECTARE
GRANDES REGIOtildeES (1990-2015) 17
FIGURA 4 EVOLUCcedilAtildeO DA AacuteREA PLANTADA E PRODUCcedilAtildeO NO ESTADO DE SAtildeO PAULO (2000
A 2014) 18
FIGURA 5 MAPA DA EXPANSAtildeO DA CULTURA CANAVIEIRA NO ESTADO DE SAtildeO PAULO
POR MUNICIacutePIOS PERCENTUAL DA AacuteREA TOTAL DO MUNICIacutePIO DESTINADA Agrave CULTURA
DA CANA-DE-ACcedilUacuteCAR (199020082014) 22
FIGURA 6 HISTOGRAMA DA AacuteREA DE SUPORTE COMUM 45
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
3
A minha famiacutelia especialmente meus pais Jorge e Lourdes
4
AGRADECIMENTOS
Ao meu orientador Prof Dr Humberto Francisco Silva Spolador pela oportunidade e
confianccedila depositada em mim por sua dedicaccedilatildeo ensinamentos e pelo exemplo de
pesquisador e pessoa
Ao Conselho Nacional de Desenvolvimento Cientiacutefico e Tecnoloacutegico (CNPq) e a
Coordenaccedilatildeo de Aperfeiccediloamento de Pessoal de Niacutevel Superior (CAPES) pela concessatildeo da
bolsa de estudos
Aos professores doutores Alexandre Nunes de Almeida Faacutebio Ricardo Marin e
Rogeacuterio Edvaldo Freitas pelas contribuiccedilotildees e leitura atenta do trabalho
A Escola Superior de Agricultura ldquoLuiz de Queirozrdquo especialmente ao
Departamento de Economia Administraccedilatildeo e Sociologia Universidade de Satildeo Paulo em
especial aos seus funcionaacuterios e corpo docente
Aos meus pais Jorge e Lourdes meu irmatildeo e cunhada Camillo e Marcela por terem
dado apoio incondicional amor amizade companheirismo suporte e incentivos necessaacuterios
para que os objetivos e sonhos se tornassem possiacuteveis
Aos amigos que ganhei durante o mestrado em especial Diego (Capivara) Rafael
(Shakira) e Augusto (Jussara) pelos debates propostos para auxiliar e melhorar o trabalho e a
amizade duradoura
Aos amigos de repuacuteblica Leandro (Tiuzinho) Andreacute (Xanxi) Henrique (Chupeta)
Augusto (Jussara) Rafael (Shakira) Tiago (Igual) Pedro (Satilde) que contribuiacuteram diretamente
no desenvolvimento do curso e na minha formaccedilatildeo quanto mestre pela amizade e
companheirismo
Ao Centro de Estudos Avanccedilados em Economia Aplicada (CEPEA-ESALQUSP)
pela oportunidade em fazer parte da equipe de pesquisadores em especial a Nicole e Leandro
companheiros de trabalho pela supervisatildeo apoio e conhecimento compartilhado
5
ldquoQuanto mais aumenta nosso conhecimento
Mais evidente fica nossa ignoracircnciardquo
John F Kennedy
6
SUMAacuteRIO
RESUMO 7
ABSTRACT 8
LISTA DE FIGURAS 9
LISTA DE TABELAS 10
1 INTRODUCcedilAtildeO 11
2 REVISAtildeO BIBLIOGRAacuteFICA 15
21 A EVOLUCcedilAtildeO RECENTE DO SETOR CANAVIEIRO NO BRASIL 15 22 O MANEJO INTEGRADO DE PRAGAS E O IMPACTO DAS PRAGAS NA CANA-DE-ACcedilUacuteCAR 23 23 RESULTADOS EMPIacuteRICOS DA LITERATURA 26
3 METODOLOGIA 31
31 ASPECTOS GERAIS 31 32 ESTIMACcedilAtildeO DO PROPENSITY SCORE 34 33 MODELOS DE PAREAMENTO 35 34 ESTIMACcedilAtildeO DO EMTT E QUALIDADE DO PAREAMENTO 37 35 PROCEDIMENTO PARA IMPLEMENTACcedilAtildeO DO PROPENSITY SCORE MATCHING 38
4 BASE DE DADOS 39
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS 41
51 RESULTADOS DO PROPENSITY SCORE MATCHING 41 52 ANAacuteLISE DE ROBUSTEZ 49
6 CONSIDERACcedilOtildeES FINAIS 55
REFEREcircNCIAS 57
ANEXOS 62
7
RESUMO
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da
cana-de-accediluacutecar do estado de Satildeo Paulo
Um dos principais desafios da agricultura e mais especificamente da
produccedilatildeo de cana-de-accediluacutecar no Brasil visando garantir o abastecimento do
mercado domeacutestico e a competitividade nos mercados internacionais eacute manter
niacuteveis elevados de produtividade Embora tenha ocorrido um avanccedilo significativo
nas teacutecnicas de produccedilatildeo nas uacuteltimas deacutecadas a produtividade desta lavoura se
encontra conforme alguns estudos disponiacuteveis na literatura aqueacutem do seu niacutevel
potencial Uma das alternativas para contribuir com o aumento da produtividade eacute
a utilizaccedilatildeo de novas teacutecnicas como o Manejo Integrado de Pragas por exemplo
Os trabalhos que avaliaram recentemente a produtividade do setor sugerem que haacute
ganhos para os adotantes dessa teacutecnica Para o estado de Satildeo Paulo poreacutem
existem poucos estudos empiacutericos de avaliaccedilatildeo de impacto no setor
sucroalcooleiro Portanto o objetivo deste trabalho foi avaliar como a adoccedilatildeo de
tecnologia no caso o manejo integrado de pragas pode impactar na produtividade
da cana-de-accediluacutecar nas Unidades de Produccedilatildeo Agropecuaacuteria (UPA) do estado de
Satildeo Paulo que constam no Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) do Instituto de Economia Agriacutecola (IEA) Para
isto utilizou-se o meacutetodo de Propensity Score Matching (PSM) para medir o
impacto da adoccedilatildeo tecnoloacutegica na produtividade As estimativas mostraram
efeitos positivos e significativos indicando que o manejo integrado de pragas
pode aumentar de 29 tonha a 44 tonha aproximadamente a produtividade da
cana de accediluacutecar Os resultados indicam tambeacutem que haacute maiores chances de adotar
o manejo integrado de pragas osprodutores que apresentaram maiores niacuteveis de
instruccedilatildeo os adeptos de teacutecnicas de anaacutelise de solo de adubaccedilatildeo mudas
fiscalizadas entre outros
Palavras-chave 1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4
Cana-de-accediluacutecar
8
ABSTRACT
Economic analysis of the integrated pest management impact on sugarcane productivity
in the state of Satildeo Paulo
One of the main challenges of agriculture and more specifically of the
production of sugarcane in Brazil in order to guarantee domestic supply and
competitiveness on the international markets is to maintain high levels of
productivity Although there has been a significant advance in terms of production
techniques in recent decades the sugarcane yield according to some studies in the
literature below its potential level One of the alternatives to contribute to the
productivity increase is the use of new techniques such as Integrated Pest
Management for example Papers that recently evaluated the agricultural
productivity suggest that there are gains for the adopters of this technique For the
state of Satildeo Paulo however there are few empirical studies of impact assessment
in the sugar and alcohol sector Therefore the objective of this study was to
evaluate how the adoption of technology in the specific case of the integrated pest
management can impact sugarcanes productivity in the Agricultural Production
Units (UPA) of the State of Satildeo Paulo which were in the Census Survey Of
Agricultural Production Units (LUPA Project) published by the Institute of
Agricultural Economics (IEA) For this purpose the Propensity Score Matching
method was implemented to measure the impact of technological adoption on
productivity Results suggested positive and significant effects indicationg the
Integrated Pest Management increases approximately the sugarcane productivity
between 29 tonha to 44 tonha according the empirical model specification The
analysis also highlighted a greater chance to adopt the integrated pest
management by producers with highest levels of education and the adopters of
techniques of soil analysis fertilization and supervised seedlings
Keywords 1 Integrated Pest Management 2 Productivity 3 Propensity Score Matching 4
Sugarcane
9
LISTA DE FIGURAS
FIGURA 1 PRODUCcedilAtildeO MUNDIAL DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES 15
FIGURA 2 PRODUTIVIDADE DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES PRODUTORES
(1990-2014) 16
FIGURA 3 RENDIMENTO MEacuteDIO DA PRODUCcedilAtildeO DE CANA-DE-ACcedilUacuteCAR POR HECTARE
GRANDES REGIOtildeES (1990-2015) 17
FIGURA 4 EVOLUCcedilAtildeO DA AacuteREA PLANTADA E PRODUCcedilAtildeO NO ESTADO DE SAtildeO PAULO (2000
A 2014) 18
FIGURA 5 MAPA DA EXPANSAtildeO DA CULTURA CANAVIEIRA NO ESTADO DE SAtildeO PAULO
POR MUNICIacutePIOS PERCENTUAL DA AacuteREA TOTAL DO MUNICIacutePIO DESTINADA Agrave CULTURA
DA CANA-DE-ACcedilUacuteCAR (199020082014) 22
FIGURA 6 HISTOGRAMA DA AacuteREA DE SUPORTE COMUM 45
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
4
AGRADECIMENTOS
Ao meu orientador Prof Dr Humberto Francisco Silva Spolador pela oportunidade e
confianccedila depositada em mim por sua dedicaccedilatildeo ensinamentos e pelo exemplo de
pesquisador e pessoa
Ao Conselho Nacional de Desenvolvimento Cientiacutefico e Tecnoloacutegico (CNPq) e a
Coordenaccedilatildeo de Aperfeiccediloamento de Pessoal de Niacutevel Superior (CAPES) pela concessatildeo da
bolsa de estudos
Aos professores doutores Alexandre Nunes de Almeida Faacutebio Ricardo Marin e
Rogeacuterio Edvaldo Freitas pelas contribuiccedilotildees e leitura atenta do trabalho
A Escola Superior de Agricultura ldquoLuiz de Queirozrdquo especialmente ao
Departamento de Economia Administraccedilatildeo e Sociologia Universidade de Satildeo Paulo em
especial aos seus funcionaacuterios e corpo docente
Aos meus pais Jorge e Lourdes meu irmatildeo e cunhada Camillo e Marcela por terem
dado apoio incondicional amor amizade companheirismo suporte e incentivos necessaacuterios
para que os objetivos e sonhos se tornassem possiacuteveis
Aos amigos que ganhei durante o mestrado em especial Diego (Capivara) Rafael
(Shakira) e Augusto (Jussara) pelos debates propostos para auxiliar e melhorar o trabalho e a
amizade duradoura
Aos amigos de repuacuteblica Leandro (Tiuzinho) Andreacute (Xanxi) Henrique (Chupeta)
Augusto (Jussara) Rafael (Shakira) Tiago (Igual) Pedro (Satilde) que contribuiacuteram diretamente
no desenvolvimento do curso e na minha formaccedilatildeo quanto mestre pela amizade e
companheirismo
Ao Centro de Estudos Avanccedilados em Economia Aplicada (CEPEA-ESALQUSP)
pela oportunidade em fazer parte da equipe de pesquisadores em especial a Nicole e Leandro
companheiros de trabalho pela supervisatildeo apoio e conhecimento compartilhado
5
ldquoQuanto mais aumenta nosso conhecimento
Mais evidente fica nossa ignoracircnciardquo
John F Kennedy
6
SUMAacuteRIO
RESUMO 7
ABSTRACT 8
LISTA DE FIGURAS 9
LISTA DE TABELAS 10
1 INTRODUCcedilAtildeO 11
2 REVISAtildeO BIBLIOGRAacuteFICA 15
21 A EVOLUCcedilAtildeO RECENTE DO SETOR CANAVIEIRO NO BRASIL 15 22 O MANEJO INTEGRADO DE PRAGAS E O IMPACTO DAS PRAGAS NA CANA-DE-ACcedilUacuteCAR 23 23 RESULTADOS EMPIacuteRICOS DA LITERATURA 26
3 METODOLOGIA 31
31 ASPECTOS GERAIS 31 32 ESTIMACcedilAtildeO DO PROPENSITY SCORE 34 33 MODELOS DE PAREAMENTO 35 34 ESTIMACcedilAtildeO DO EMTT E QUALIDADE DO PAREAMENTO 37 35 PROCEDIMENTO PARA IMPLEMENTACcedilAtildeO DO PROPENSITY SCORE MATCHING 38
4 BASE DE DADOS 39
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS 41
51 RESULTADOS DO PROPENSITY SCORE MATCHING 41 52 ANAacuteLISE DE ROBUSTEZ 49
6 CONSIDERACcedilOtildeES FINAIS 55
REFEREcircNCIAS 57
ANEXOS 62
7
RESUMO
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da
cana-de-accediluacutecar do estado de Satildeo Paulo
Um dos principais desafios da agricultura e mais especificamente da
produccedilatildeo de cana-de-accediluacutecar no Brasil visando garantir o abastecimento do
mercado domeacutestico e a competitividade nos mercados internacionais eacute manter
niacuteveis elevados de produtividade Embora tenha ocorrido um avanccedilo significativo
nas teacutecnicas de produccedilatildeo nas uacuteltimas deacutecadas a produtividade desta lavoura se
encontra conforme alguns estudos disponiacuteveis na literatura aqueacutem do seu niacutevel
potencial Uma das alternativas para contribuir com o aumento da produtividade eacute
a utilizaccedilatildeo de novas teacutecnicas como o Manejo Integrado de Pragas por exemplo
Os trabalhos que avaliaram recentemente a produtividade do setor sugerem que haacute
ganhos para os adotantes dessa teacutecnica Para o estado de Satildeo Paulo poreacutem
existem poucos estudos empiacutericos de avaliaccedilatildeo de impacto no setor
sucroalcooleiro Portanto o objetivo deste trabalho foi avaliar como a adoccedilatildeo de
tecnologia no caso o manejo integrado de pragas pode impactar na produtividade
da cana-de-accediluacutecar nas Unidades de Produccedilatildeo Agropecuaacuteria (UPA) do estado de
Satildeo Paulo que constam no Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) do Instituto de Economia Agriacutecola (IEA) Para
isto utilizou-se o meacutetodo de Propensity Score Matching (PSM) para medir o
impacto da adoccedilatildeo tecnoloacutegica na produtividade As estimativas mostraram
efeitos positivos e significativos indicando que o manejo integrado de pragas
pode aumentar de 29 tonha a 44 tonha aproximadamente a produtividade da
cana de accediluacutecar Os resultados indicam tambeacutem que haacute maiores chances de adotar
o manejo integrado de pragas osprodutores que apresentaram maiores niacuteveis de
instruccedilatildeo os adeptos de teacutecnicas de anaacutelise de solo de adubaccedilatildeo mudas
fiscalizadas entre outros
Palavras-chave 1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4
Cana-de-accediluacutecar
8
ABSTRACT
Economic analysis of the integrated pest management impact on sugarcane productivity
in the state of Satildeo Paulo
One of the main challenges of agriculture and more specifically of the
production of sugarcane in Brazil in order to guarantee domestic supply and
competitiveness on the international markets is to maintain high levels of
productivity Although there has been a significant advance in terms of production
techniques in recent decades the sugarcane yield according to some studies in the
literature below its potential level One of the alternatives to contribute to the
productivity increase is the use of new techniques such as Integrated Pest
Management for example Papers that recently evaluated the agricultural
productivity suggest that there are gains for the adopters of this technique For the
state of Satildeo Paulo however there are few empirical studies of impact assessment
in the sugar and alcohol sector Therefore the objective of this study was to
evaluate how the adoption of technology in the specific case of the integrated pest
management can impact sugarcanes productivity in the Agricultural Production
Units (UPA) of the State of Satildeo Paulo which were in the Census Survey Of
Agricultural Production Units (LUPA Project) published by the Institute of
Agricultural Economics (IEA) For this purpose the Propensity Score Matching
method was implemented to measure the impact of technological adoption on
productivity Results suggested positive and significant effects indicationg the
Integrated Pest Management increases approximately the sugarcane productivity
between 29 tonha to 44 tonha according the empirical model specification The
analysis also highlighted a greater chance to adopt the integrated pest
management by producers with highest levels of education and the adopters of
techniques of soil analysis fertilization and supervised seedlings
Keywords 1 Integrated Pest Management 2 Productivity 3 Propensity Score Matching 4
Sugarcane
9
LISTA DE FIGURAS
FIGURA 1 PRODUCcedilAtildeO MUNDIAL DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES 15
FIGURA 2 PRODUTIVIDADE DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES PRODUTORES
(1990-2014) 16
FIGURA 3 RENDIMENTO MEacuteDIO DA PRODUCcedilAtildeO DE CANA-DE-ACcedilUacuteCAR POR HECTARE
GRANDES REGIOtildeES (1990-2015) 17
FIGURA 4 EVOLUCcedilAtildeO DA AacuteREA PLANTADA E PRODUCcedilAtildeO NO ESTADO DE SAtildeO PAULO (2000
A 2014) 18
FIGURA 5 MAPA DA EXPANSAtildeO DA CULTURA CANAVIEIRA NO ESTADO DE SAtildeO PAULO
POR MUNICIacutePIOS PERCENTUAL DA AacuteREA TOTAL DO MUNICIacutePIO DESTINADA Agrave CULTURA
DA CANA-DE-ACcedilUacuteCAR (199020082014) 22
FIGURA 6 HISTOGRAMA DA AacuteREA DE SUPORTE COMUM 45
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
5
ldquoQuanto mais aumenta nosso conhecimento
Mais evidente fica nossa ignoracircnciardquo
John F Kennedy
6
SUMAacuteRIO
RESUMO 7
ABSTRACT 8
LISTA DE FIGURAS 9
LISTA DE TABELAS 10
1 INTRODUCcedilAtildeO 11
2 REVISAtildeO BIBLIOGRAacuteFICA 15
21 A EVOLUCcedilAtildeO RECENTE DO SETOR CANAVIEIRO NO BRASIL 15 22 O MANEJO INTEGRADO DE PRAGAS E O IMPACTO DAS PRAGAS NA CANA-DE-ACcedilUacuteCAR 23 23 RESULTADOS EMPIacuteRICOS DA LITERATURA 26
3 METODOLOGIA 31
31 ASPECTOS GERAIS 31 32 ESTIMACcedilAtildeO DO PROPENSITY SCORE 34 33 MODELOS DE PAREAMENTO 35 34 ESTIMACcedilAtildeO DO EMTT E QUALIDADE DO PAREAMENTO 37 35 PROCEDIMENTO PARA IMPLEMENTACcedilAtildeO DO PROPENSITY SCORE MATCHING 38
4 BASE DE DADOS 39
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS 41
51 RESULTADOS DO PROPENSITY SCORE MATCHING 41 52 ANAacuteLISE DE ROBUSTEZ 49
6 CONSIDERACcedilOtildeES FINAIS 55
REFEREcircNCIAS 57
ANEXOS 62
7
RESUMO
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da
cana-de-accediluacutecar do estado de Satildeo Paulo
Um dos principais desafios da agricultura e mais especificamente da
produccedilatildeo de cana-de-accediluacutecar no Brasil visando garantir o abastecimento do
mercado domeacutestico e a competitividade nos mercados internacionais eacute manter
niacuteveis elevados de produtividade Embora tenha ocorrido um avanccedilo significativo
nas teacutecnicas de produccedilatildeo nas uacuteltimas deacutecadas a produtividade desta lavoura se
encontra conforme alguns estudos disponiacuteveis na literatura aqueacutem do seu niacutevel
potencial Uma das alternativas para contribuir com o aumento da produtividade eacute
a utilizaccedilatildeo de novas teacutecnicas como o Manejo Integrado de Pragas por exemplo
Os trabalhos que avaliaram recentemente a produtividade do setor sugerem que haacute
ganhos para os adotantes dessa teacutecnica Para o estado de Satildeo Paulo poreacutem
existem poucos estudos empiacutericos de avaliaccedilatildeo de impacto no setor
sucroalcooleiro Portanto o objetivo deste trabalho foi avaliar como a adoccedilatildeo de
tecnologia no caso o manejo integrado de pragas pode impactar na produtividade
da cana-de-accediluacutecar nas Unidades de Produccedilatildeo Agropecuaacuteria (UPA) do estado de
Satildeo Paulo que constam no Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) do Instituto de Economia Agriacutecola (IEA) Para
isto utilizou-se o meacutetodo de Propensity Score Matching (PSM) para medir o
impacto da adoccedilatildeo tecnoloacutegica na produtividade As estimativas mostraram
efeitos positivos e significativos indicando que o manejo integrado de pragas
pode aumentar de 29 tonha a 44 tonha aproximadamente a produtividade da
cana de accediluacutecar Os resultados indicam tambeacutem que haacute maiores chances de adotar
o manejo integrado de pragas osprodutores que apresentaram maiores niacuteveis de
instruccedilatildeo os adeptos de teacutecnicas de anaacutelise de solo de adubaccedilatildeo mudas
fiscalizadas entre outros
Palavras-chave 1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4
Cana-de-accediluacutecar
8
ABSTRACT
Economic analysis of the integrated pest management impact on sugarcane productivity
in the state of Satildeo Paulo
One of the main challenges of agriculture and more specifically of the
production of sugarcane in Brazil in order to guarantee domestic supply and
competitiveness on the international markets is to maintain high levels of
productivity Although there has been a significant advance in terms of production
techniques in recent decades the sugarcane yield according to some studies in the
literature below its potential level One of the alternatives to contribute to the
productivity increase is the use of new techniques such as Integrated Pest
Management for example Papers that recently evaluated the agricultural
productivity suggest that there are gains for the adopters of this technique For the
state of Satildeo Paulo however there are few empirical studies of impact assessment
in the sugar and alcohol sector Therefore the objective of this study was to
evaluate how the adoption of technology in the specific case of the integrated pest
management can impact sugarcanes productivity in the Agricultural Production
Units (UPA) of the State of Satildeo Paulo which were in the Census Survey Of
Agricultural Production Units (LUPA Project) published by the Institute of
Agricultural Economics (IEA) For this purpose the Propensity Score Matching
method was implemented to measure the impact of technological adoption on
productivity Results suggested positive and significant effects indicationg the
Integrated Pest Management increases approximately the sugarcane productivity
between 29 tonha to 44 tonha according the empirical model specification The
analysis also highlighted a greater chance to adopt the integrated pest
management by producers with highest levels of education and the adopters of
techniques of soil analysis fertilization and supervised seedlings
Keywords 1 Integrated Pest Management 2 Productivity 3 Propensity Score Matching 4
Sugarcane
9
LISTA DE FIGURAS
FIGURA 1 PRODUCcedilAtildeO MUNDIAL DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES 15
FIGURA 2 PRODUTIVIDADE DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES PRODUTORES
(1990-2014) 16
FIGURA 3 RENDIMENTO MEacuteDIO DA PRODUCcedilAtildeO DE CANA-DE-ACcedilUacuteCAR POR HECTARE
GRANDES REGIOtildeES (1990-2015) 17
FIGURA 4 EVOLUCcedilAtildeO DA AacuteREA PLANTADA E PRODUCcedilAtildeO NO ESTADO DE SAtildeO PAULO (2000
A 2014) 18
FIGURA 5 MAPA DA EXPANSAtildeO DA CULTURA CANAVIEIRA NO ESTADO DE SAtildeO PAULO
POR MUNICIacutePIOS PERCENTUAL DA AacuteREA TOTAL DO MUNICIacutePIO DESTINADA Agrave CULTURA
DA CANA-DE-ACcedilUacuteCAR (199020082014) 22
FIGURA 6 HISTOGRAMA DA AacuteREA DE SUPORTE COMUM 45
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
6
SUMAacuteRIO
RESUMO 7
ABSTRACT 8
LISTA DE FIGURAS 9
LISTA DE TABELAS 10
1 INTRODUCcedilAtildeO 11
2 REVISAtildeO BIBLIOGRAacuteFICA 15
21 A EVOLUCcedilAtildeO RECENTE DO SETOR CANAVIEIRO NO BRASIL 15 22 O MANEJO INTEGRADO DE PRAGAS E O IMPACTO DAS PRAGAS NA CANA-DE-ACcedilUacuteCAR 23 23 RESULTADOS EMPIacuteRICOS DA LITERATURA 26
3 METODOLOGIA 31
31 ASPECTOS GERAIS 31 32 ESTIMACcedilAtildeO DO PROPENSITY SCORE 34 33 MODELOS DE PAREAMENTO 35 34 ESTIMACcedilAtildeO DO EMTT E QUALIDADE DO PAREAMENTO 37 35 PROCEDIMENTO PARA IMPLEMENTACcedilAtildeO DO PROPENSITY SCORE MATCHING 38
4 BASE DE DADOS 39
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS 41
51 RESULTADOS DO PROPENSITY SCORE MATCHING 41 52 ANAacuteLISE DE ROBUSTEZ 49
6 CONSIDERACcedilOtildeES FINAIS 55
REFEREcircNCIAS 57
ANEXOS 62
7
RESUMO
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da
cana-de-accediluacutecar do estado de Satildeo Paulo
Um dos principais desafios da agricultura e mais especificamente da
produccedilatildeo de cana-de-accediluacutecar no Brasil visando garantir o abastecimento do
mercado domeacutestico e a competitividade nos mercados internacionais eacute manter
niacuteveis elevados de produtividade Embora tenha ocorrido um avanccedilo significativo
nas teacutecnicas de produccedilatildeo nas uacuteltimas deacutecadas a produtividade desta lavoura se
encontra conforme alguns estudos disponiacuteveis na literatura aqueacutem do seu niacutevel
potencial Uma das alternativas para contribuir com o aumento da produtividade eacute
a utilizaccedilatildeo de novas teacutecnicas como o Manejo Integrado de Pragas por exemplo
Os trabalhos que avaliaram recentemente a produtividade do setor sugerem que haacute
ganhos para os adotantes dessa teacutecnica Para o estado de Satildeo Paulo poreacutem
existem poucos estudos empiacutericos de avaliaccedilatildeo de impacto no setor
sucroalcooleiro Portanto o objetivo deste trabalho foi avaliar como a adoccedilatildeo de
tecnologia no caso o manejo integrado de pragas pode impactar na produtividade
da cana-de-accediluacutecar nas Unidades de Produccedilatildeo Agropecuaacuteria (UPA) do estado de
Satildeo Paulo que constam no Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) do Instituto de Economia Agriacutecola (IEA) Para
isto utilizou-se o meacutetodo de Propensity Score Matching (PSM) para medir o
impacto da adoccedilatildeo tecnoloacutegica na produtividade As estimativas mostraram
efeitos positivos e significativos indicando que o manejo integrado de pragas
pode aumentar de 29 tonha a 44 tonha aproximadamente a produtividade da
cana de accediluacutecar Os resultados indicam tambeacutem que haacute maiores chances de adotar
o manejo integrado de pragas osprodutores que apresentaram maiores niacuteveis de
instruccedilatildeo os adeptos de teacutecnicas de anaacutelise de solo de adubaccedilatildeo mudas
fiscalizadas entre outros
Palavras-chave 1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4
Cana-de-accediluacutecar
8
ABSTRACT
Economic analysis of the integrated pest management impact on sugarcane productivity
in the state of Satildeo Paulo
One of the main challenges of agriculture and more specifically of the
production of sugarcane in Brazil in order to guarantee domestic supply and
competitiveness on the international markets is to maintain high levels of
productivity Although there has been a significant advance in terms of production
techniques in recent decades the sugarcane yield according to some studies in the
literature below its potential level One of the alternatives to contribute to the
productivity increase is the use of new techniques such as Integrated Pest
Management for example Papers that recently evaluated the agricultural
productivity suggest that there are gains for the adopters of this technique For the
state of Satildeo Paulo however there are few empirical studies of impact assessment
in the sugar and alcohol sector Therefore the objective of this study was to
evaluate how the adoption of technology in the specific case of the integrated pest
management can impact sugarcanes productivity in the Agricultural Production
Units (UPA) of the State of Satildeo Paulo which were in the Census Survey Of
Agricultural Production Units (LUPA Project) published by the Institute of
Agricultural Economics (IEA) For this purpose the Propensity Score Matching
method was implemented to measure the impact of technological adoption on
productivity Results suggested positive and significant effects indicationg the
Integrated Pest Management increases approximately the sugarcane productivity
between 29 tonha to 44 tonha according the empirical model specification The
analysis also highlighted a greater chance to adopt the integrated pest
management by producers with highest levels of education and the adopters of
techniques of soil analysis fertilization and supervised seedlings
Keywords 1 Integrated Pest Management 2 Productivity 3 Propensity Score Matching 4
Sugarcane
9
LISTA DE FIGURAS
FIGURA 1 PRODUCcedilAtildeO MUNDIAL DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES 15
FIGURA 2 PRODUTIVIDADE DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES PRODUTORES
(1990-2014) 16
FIGURA 3 RENDIMENTO MEacuteDIO DA PRODUCcedilAtildeO DE CANA-DE-ACcedilUacuteCAR POR HECTARE
GRANDES REGIOtildeES (1990-2015) 17
FIGURA 4 EVOLUCcedilAtildeO DA AacuteREA PLANTADA E PRODUCcedilAtildeO NO ESTADO DE SAtildeO PAULO (2000
A 2014) 18
FIGURA 5 MAPA DA EXPANSAtildeO DA CULTURA CANAVIEIRA NO ESTADO DE SAtildeO PAULO
POR MUNICIacutePIOS PERCENTUAL DA AacuteREA TOTAL DO MUNICIacutePIO DESTINADA Agrave CULTURA
DA CANA-DE-ACcedilUacuteCAR (199020082014) 22
FIGURA 6 HISTOGRAMA DA AacuteREA DE SUPORTE COMUM 45
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
7
RESUMO
Anaacutelise econocircmica do impacto do manejo integrado de pragas na produtividade da
cana-de-accediluacutecar do estado de Satildeo Paulo
Um dos principais desafios da agricultura e mais especificamente da
produccedilatildeo de cana-de-accediluacutecar no Brasil visando garantir o abastecimento do
mercado domeacutestico e a competitividade nos mercados internacionais eacute manter
niacuteveis elevados de produtividade Embora tenha ocorrido um avanccedilo significativo
nas teacutecnicas de produccedilatildeo nas uacuteltimas deacutecadas a produtividade desta lavoura se
encontra conforme alguns estudos disponiacuteveis na literatura aqueacutem do seu niacutevel
potencial Uma das alternativas para contribuir com o aumento da produtividade eacute
a utilizaccedilatildeo de novas teacutecnicas como o Manejo Integrado de Pragas por exemplo
Os trabalhos que avaliaram recentemente a produtividade do setor sugerem que haacute
ganhos para os adotantes dessa teacutecnica Para o estado de Satildeo Paulo poreacutem
existem poucos estudos empiacutericos de avaliaccedilatildeo de impacto no setor
sucroalcooleiro Portanto o objetivo deste trabalho foi avaliar como a adoccedilatildeo de
tecnologia no caso o manejo integrado de pragas pode impactar na produtividade
da cana-de-accediluacutecar nas Unidades de Produccedilatildeo Agropecuaacuteria (UPA) do estado de
Satildeo Paulo que constam no Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) do Instituto de Economia Agriacutecola (IEA) Para
isto utilizou-se o meacutetodo de Propensity Score Matching (PSM) para medir o
impacto da adoccedilatildeo tecnoloacutegica na produtividade As estimativas mostraram
efeitos positivos e significativos indicando que o manejo integrado de pragas
pode aumentar de 29 tonha a 44 tonha aproximadamente a produtividade da
cana de accediluacutecar Os resultados indicam tambeacutem que haacute maiores chances de adotar
o manejo integrado de pragas osprodutores que apresentaram maiores niacuteveis de
instruccedilatildeo os adeptos de teacutecnicas de anaacutelise de solo de adubaccedilatildeo mudas
fiscalizadas entre outros
Palavras-chave 1 Manejo Integrado de Pragas 2 Produtividade 3 Propensity Score Matching 4
Cana-de-accediluacutecar
8
ABSTRACT
Economic analysis of the integrated pest management impact on sugarcane productivity
in the state of Satildeo Paulo
One of the main challenges of agriculture and more specifically of the
production of sugarcane in Brazil in order to guarantee domestic supply and
competitiveness on the international markets is to maintain high levels of
productivity Although there has been a significant advance in terms of production
techniques in recent decades the sugarcane yield according to some studies in the
literature below its potential level One of the alternatives to contribute to the
productivity increase is the use of new techniques such as Integrated Pest
Management for example Papers that recently evaluated the agricultural
productivity suggest that there are gains for the adopters of this technique For the
state of Satildeo Paulo however there are few empirical studies of impact assessment
in the sugar and alcohol sector Therefore the objective of this study was to
evaluate how the adoption of technology in the specific case of the integrated pest
management can impact sugarcanes productivity in the Agricultural Production
Units (UPA) of the State of Satildeo Paulo which were in the Census Survey Of
Agricultural Production Units (LUPA Project) published by the Institute of
Agricultural Economics (IEA) For this purpose the Propensity Score Matching
method was implemented to measure the impact of technological adoption on
productivity Results suggested positive and significant effects indicationg the
Integrated Pest Management increases approximately the sugarcane productivity
between 29 tonha to 44 tonha according the empirical model specification The
analysis also highlighted a greater chance to adopt the integrated pest
management by producers with highest levels of education and the adopters of
techniques of soil analysis fertilization and supervised seedlings
Keywords 1 Integrated Pest Management 2 Productivity 3 Propensity Score Matching 4
Sugarcane
9
LISTA DE FIGURAS
FIGURA 1 PRODUCcedilAtildeO MUNDIAL DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES 15
FIGURA 2 PRODUTIVIDADE DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES PRODUTORES
(1990-2014) 16
FIGURA 3 RENDIMENTO MEacuteDIO DA PRODUCcedilAtildeO DE CANA-DE-ACcedilUacuteCAR POR HECTARE
GRANDES REGIOtildeES (1990-2015) 17
FIGURA 4 EVOLUCcedilAtildeO DA AacuteREA PLANTADA E PRODUCcedilAtildeO NO ESTADO DE SAtildeO PAULO (2000
A 2014) 18
FIGURA 5 MAPA DA EXPANSAtildeO DA CULTURA CANAVIEIRA NO ESTADO DE SAtildeO PAULO
POR MUNICIacutePIOS PERCENTUAL DA AacuteREA TOTAL DO MUNICIacutePIO DESTINADA Agrave CULTURA
DA CANA-DE-ACcedilUacuteCAR (199020082014) 22
FIGURA 6 HISTOGRAMA DA AacuteREA DE SUPORTE COMUM 45
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
8
ABSTRACT
Economic analysis of the integrated pest management impact on sugarcane productivity
in the state of Satildeo Paulo
One of the main challenges of agriculture and more specifically of the
production of sugarcane in Brazil in order to guarantee domestic supply and
competitiveness on the international markets is to maintain high levels of
productivity Although there has been a significant advance in terms of production
techniques in recent decades the sugarcane yield according to some studies in the
literature below its potential level One of the alternatives to contribute to the
productivity increase is the use of new techniques such as Integrated Pest
Management for example Papers that recently evaluated the agricultural
productivity suggest that there are gains for the adopters of this technique For the
state of Satildeo Paulo however there are few empirical studies of impact assessment
in the sugar and alcohol sector Therefore the objective of this study was to
evaluate how the adoption of technology in the specific case of the integrated pest
management can impact sugarcanes productivity in the Agricultural Production
Units (UPA) of the State of Satildeo Paulo which were in the Census Survey Of
Agricultural Production Units (LUPA Project) published by the Institute of
Agricultural Economics (IEA) For this purpose the Propensity Score Matching
method was implemented to measure the impact of technological adoption on
productivity Results suggested positive and significant effects indicationg the
Integrated Pest Management increases approximately the sugarcane productivity
between 29 tonha to 44 tonha according the empirical model specification The
analysis also highlighted a greater chance to adopt the integrated pest
management by producers with highest levels of education and the adopters of
techniques of soil analysis fertilization and supervised seedlings
Keywords 1 Integrated Pest Management 2 Productivity 3 Propensity Score Matching 4
Sugarcane
9
LISTA DE FIGURAS
FIGURA 1 PRODUCcedilAtildeO MUNDIAL DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES 15
FIGURA 2 PRODUTIVIDADE DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES PRODUTORES
(1990-2014) 16
FIGURA 3 RENDIMENTO MEacuteDIO DA PRODUCcedilAtildeO DE CANA-DE-ACcedilUacuteCAR POR HECTARE
GRANDES REGIOtildeES (1990-2015) 17
FIGURA 4 EVOLUCcedilAtildeO DA AacuteREA PLANTADA E PRODUCcedilAtildeO NO ESTADO DE SAtildeO PAULO (2000
A 2014) 18
FIGURA 5 MAPA DA EXPANSAtildeO DA CULTURA CANAVIEIRA NO ESTADO DE SAtildeO PAULO
POR MUNICIacutePIOS PERCENTUAL DA AacuteREA TOTAL DO MUNICIacutePIO DESTINADA Agrave CULTURA
DA CANA-DE-ACcedilUacuteCAR (199020082014) 22
FIGURA 6 HISTOGRAMA DA AacuteREA DE SUPORTE COMUM 45
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
9
LISTA DE FIGURAS
FIGURA 1 PRODUCcedilAtildeO MUNDIAL DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES 15
FIGURA 2 PRODUTIVIDADE DE CANA-DE-ACcedilUacuteCAR DOS PRINCIPAIS PAIacuteSES PRODUTORES
(1990-2014) 16
FIGURA 3 RENDIMENTO MEacuteDIO DA PRODUCcedilAtildeO DE CANA-DE-ACcedilUacuteCAR POR HECTARE
GRANDES REGIOtildeES (1990-2015) 17
FIGURA 4 EVOLUCcedilAtildeO DA AacuteREA PLANTADA E PRODUCcedilAtildeO NO ESTADO DE SAtildeO PAULO (2000
A 2014) 18
FIGURA 5 MAPA DA EXPANSAtildeO DA CULTURA CANAVIEIRA NO ESTADO DE SAtildeO PAULO
POR MUNICIacutePIOS PERCENTUAL DA AacuteREA TOTAL DO MUNICIacutePIO DESTINADA Agrave CULTURA
DA CANA-DE-ACcedilUacuteCAR (199020082014) 22
FIGURA 6 HISTOGRAMA DA AacuteREA DE SUPORTE COMUM 45
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
10
LISTA DE TABELAS
TABELA 1 DESCRICcedilAtildeO DAS VARIAacuteVEIS UTILIZADAS 40
TABELA 2 ESTATIacuteSTICA DESCRITIVA DAS VARIAacuteVEIS 42
TABELA 3 MATRIZ DE CORRELACcedilAtildeO 43
TABELA 4 RESULTADOS DO MODELO BINAacuteRIO LOacuteGITE 44
TABELA 5 PSM COM PAREAMENTO ONE-TO-ONE (NNM 1) SEM REPOSICcedilAtildeO 46
TABELA 6 TESTE DE QUALIDADE DO PSM COM PAREAMENTO NNM 1-1 SEM REPOSICcedilAtildeO 47
TABELA 7 TESTE CONJUNTO 49
TABELA 8 AVALIACcedilAtildeO DE IMPACTO DO MANEJO INTEGRADO DE PRAGAS SOBRE A
PRODUTIVIDADE DA CANA-DE-ACcedilUacuteCAR 50
TABELA 9 ESTATIacuteSTICAS DE BALANCEAMENTO ENTRE ADOTANTES E NAtildeO-ADOTANTES
DO MIP 52
TABELA 10 TESTE CONJUNTO DE BALANCEAMENTO PARA OS DIFERENTES MEacuteTODOS DE
PAREAMENTO 53
TABELA 11 NUacuteMERO DE UPAS EAacuteREA CULTIVADA COM CULTURAS SELECIONADAS NO
ESTADO DE SAtildeO PAULO 62
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
11
1 INTRODUCcedilAtildeO
A agroinduacutestria brasileira de cana-de-accediluacutecar passa por um periacuteodo de expectativa de
ganhos de eficiecircncia e produtividade a partir dos avanccedilos em pesquisa e inovaccedilatildeo teacutecnicas de
cultivos mecanizaccedilatildeo do plantio desenvolvimento de equipamentos e insumos industriais
Em meio a este cenaacuterio as condiccedilotildees climaacuteticas e as dificuldades econocircmicas dificultam o
avanccedilo da produtividade na praacutetica tornando-se um desafio para as poliacuteticas puacuteblicas voltadas
para o setor (SANTOS 2016)
O Brasil se destaca como o maior produtor de cana-de-accediluacutecar no mundo com meacutedia
de 451 milhotildees de toneladas nos periacuteodo 1990-2014 tendo atingido em 2013 a produccedilatildeo de
734 milhotildees de toneladas (FAOSTAT 2016) No contexto nacional o estado de Satildeo Paulo eacute
o maior produtor de cana-de-accediluacutecar tendo produzido na safra 201516 aproximadamente
36758 milhotildees de toneladas ou 5522 da produccedilatildeo sucroalcooleira nacional (CONAB
2016) De acordo com Machado e Habib (2009) a expansatildeo da cultura canavieira avanccedilou
nas aacutereas de pastagens de cultivo de citros e de cerrados nas regiotildees do triacircngulo mineiro e
Noroeste paulista
Com relaccedilatildeo agrave lideranccedila do Brasil na produccedilatildeo de cana-de-accediluacutecar Parra Botelho e
Pinto (2010) avaliaram que essa produccedilatildeo poderia ser ainda maior se natildeo fossem os insetos-
pragas que atacam as estruturas da cana-de-accediluacutecar causando significativas reduccedilotildees da
produtividade Para Cortez (2010) a lideranccedila foi atingida graccedilas agraves significativas reduccedilotildees
do custo de produccedilatildeo resultantes dos ganhos de produtividade e eficiecircncia agriacutecola
proporcionado no passado pelo Proaacutelcool
Nos uacuteltimos anos a demanda por accediluacutecar e etanol cresceu significativamente No caso
do accediluacutecar o aumento da demanda pode ser explicado pelo aumento da renda e pela expansatildeo
dos processos de urbanizaccedilatildeo em economias emergentes Para o etanol o crescimento se deve
agrave maior preocupaccedilatildeo com as questotildees ambientais e do advento dos veiacuteculos com motor
biocombustiacutevel no mercado brasileiro (CHAGAS et al 2012)
Segundo Hoffman (2006) o Brasil eacute o uacutenico paiacutes do mundo onde a maior parte dos
combustiacuteveis utilizados no transporte eacute proveniente de fontes renovaacuteveis de energia tal como
o etanol Aleacutem disso o Brasil possui vantagens comparativas na produccedilatildeo de etanol fator
responsaacutevel por promover o crescimento econocircmico e ajudar na reduccedilatildeo do uso de
combustiacuteveis foacutesseis
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
12
Santos (2016) observou que aproximadamente 51 das regiotildees produtoras
selecionadas em seu trabalho apresentaram produtividade abaixo de 725 tha sendo portanto
classificadas como regiotildees de baixa a meacutedia-baixa produtividade Destaca-se a importacircncia de
poliacuteticas puacuteblicas voltadas a esta realidade que compreende 27 da aacuterea colhida no Brasil
(22 da produccedilatildeo) na meacutedia do periacuteodo 2010-2013 Assim estiacutemulos agrave adoccedilatildeo de variedades
mais produtivias de cana-de-accediluacutecar e teacutecnicas modernas de produccedilatildeo podem ser direcionadas
agraves lavouras e produtores com produtividade abaixo da meacutedia
A cultura da cana-de-accediluacutecar eacute pouco agressiva ao meio ambiente quanto ao uso de
defensivos quiacutemicos que em comparaccedilatildeo com outras culturas como sojacafeacute e citros por
exemplo utilizam de sete e cem vezes mais Na utilizaccedilatildeo de produtos quiacutemicos deve-se
considerar a manutenccedilatildeo do equiliacutebrio bioloacutegico pois os nematoides diminuem a
produtividade da cultura quando presentes em nuacutemero elevado Neste sentido o Manejo
Integrado de Pragas (MIP) possibilita o uso racional de inseticidas dado que sua aplicaccedilatildeo eacute
feita apenas em aacutereas afetadas reduzindo os riscos ao homem e ao meio ambiente
(BENEDINI e ARRIGONI 2008)
A importacircncia da cana-de-accediluacutecar para o desenvolvimento econocircmico do Brasil tem
incentivado estudos sobre a produtividade e eficiecircncia do setor Conforme Shikida Azevedo e
Vian (2011) a cadeia agroindustrial canavieira foi pioneira quanto agrave adoccedilatildeo de inovaccedilotildees
tecnoloacutegicas no paiacutes
A estrutura do setor canavieiro passou por mudanccedilas significativas nos uacuteltimos anos
especialmente em relaccedilatildeo agrave aacuterea plantada e nuacutemero de produtores de cana-de-accediluacutecar De
acordo com o Instituto Brasileiro de Geografia e Estatiacutestica ndash IBGE (2016) - a aacuterea total
plantada de cana aumentou 135 no Brasil no periacuteodo de 1990 a 2015 enquanto que no
estado de Satildeo Paulo o aumento foi de aproximadamente 208 no mesmo periacuteodo Com o
aumento expressivo da aacuterea plantada houve aumento de produtores de cana na principal
regiatildeo produtora do paiacutes Segundo o Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria do Estado de Satildeo Paulo ndash Lupa (2009) o aumento registrado do nuacutemero de
unidades de Produccedilatildeo Agropecuaacuteria (UPA) de cana-de-accediluacutecar foi de 42 entre as safras de
199596 e 200708 quando passou de 70111 para 99799 UPAs enquanto que o aumento da
aacuterea registrada entre as duas safras foi de 90 (28 milhotildees para 55 milhotildees de hectares
(Tabela A1)
Dada a relevacircncia da cultura da cana-de-accediluacutecar para a economia brasileira e paulista
as mudanccedilas na estrutura de produccedilatildeo merecem uma avaliaccedilatildeo dos impactos econocircmicos de
modo que os resultados possam contribuir com poliacuteticas puacuteblicas e accedilotildees de agentes
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
13
econocircmicos envolvidos com o setor Este estudo pretendeu analisar o impacto potencial da
adoccedilatildeo do manejo integrado de pragas (MIP) sobre a produtividade do setor
A literatura sobre economia agriacutecola como jaacute apresentado por Bacha (1992) tem
enfatizado a importacircncia da agricultura para o desenvolvimento econocircmico e o papel da
mudanccedila teacutecnica no setor agriacutecola Nesse contexto Bacha (1992) mencionou os trabalhos de
Jorgenson e Ruy Miller Paiva que abordaram a questatildeo da inovaccedilatildeo tecnoloacutegica no setor
agriacutecola conforme o primeiro autor o salto tecnoloacutegico que garante o aumento de
produtividade da agricultura eacute o mecanismo que permite a contiacutenua transferecircncia de matildeo-de-
obra do setor rural para o setor urbano-industrial sem deterioraccedilatildeo da relaccedilatildeo de trocas do
uacuteltimo setor enquanto que no trabalho do segundo autor a adoccedilatildeo de tecnologia moderna foi
tratada como um problema microeconocircmico uma vez que envolve uma decisatildeo direta dos
agricultores sendo que a vantagem econocircmica da teacutecnica moderna eacute medida pelo
custobenefiacutecio quando confrontado com a teacutecnica tradicional
Os potenciais efeitos do manejo integrado de pragas tecircm sua importacircncia evidenciada
quando se leva em conta os danos gerados pelas pragas agrave produtividade da lavoura Em
funccedilatildeo do aumento da demanda por biocombustiacutevel nos uacuteltimos anos por exemplo
preocupaccedilotildees com a produtividade da cana-de-accediluacutecar tem ganhado destaque No Brasil haacute
uma escassez de estudos empiacutericos com avaliaccedilotildees de impacto para a cana-de-accediluacutecar em
termos econocircmicos como eacute o objetivo do trabalho Portanto esta pesquisa pretende preencher
a lacuna existente fazendo uso de dados primaacuterios o que permite a anaacutelise econocircmica da
adoccedilatildeo de tecnologia na produtividade do setor
Portanto esta pesquisa tem como objetivo contribuir com a literatura sobre o impacto
de teacutecnicas modernas mais especificamente do manejo integrado de pragas na produtividade
de cana de accediluacutecar no estado de Satildeo Paulo aplicando a metodologia de propensity score
matching utilizando os microdados do Levantamento Censitaacuterio das Unidades de Produccedilatildeo
Agropecuaacuteria (LUPA) produzido pelo Instituto de Economia Agriacutecola no ano safra
20072008 (uacuteltimo periacuteodo com informaccedilotildees disponiacuteveis)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
14
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
15
2 REVISAtildeO BIBLIOGRAacuteFICA
21 A evoluccedilatildeo recente do setor canavieiro no Brasil
O Brasil eacute o maior produtor de cana-de-accediluacutecar superando a Iacutendia e a China em
produccedilatildeo conforme a figura 1 Segundo dados da FAOSTAT (2016) atualmente o Brasil eacute
responsaacutevel por 388 da produccedilatildeo mundial de cana-de-accediluacutecar e a Iacutendia segundo maior
produtor por 185 Na deacutecada de 1980 o Brasil se tornou o maior produtor de cana-de-
accediluacutecar ultrapassando Iacutendia e Cuba que ateacute entatildeo eram os dois maiores produtores mundiais
O aumento da produccedilatildeo foi estimulado pela criaccedilatildeo do Proaacutelcool e a crise do petroacuteleo na
deacutecada de 1970 pois segundo Shikida e Bacha (1999) o consumo do Brasil dependia em
80 do petroacuteleo importado e com o desequiliacutebrio nas contas externas em parte causado pelo
aumento dos preccedilos internacionais do petroacuteleo incentivou parte dos empresaacuterios com o
auxiacutelio do governo a buscar fontes alternativas para a substituiccedilatildeo de alguns derivados do
petroacuteleo Assim programas como o Prooacuteleo o Procarvatildeo e o Proaacutelcool foram criados sendo
o uacuteltimo com maior apoio e resultado
Figura 1 Produccedilatildeo Mundial de Cana-de-accediluacutecar dos principais paiacuteses Fonte FAOSTAT (2016)
1310 2024 2495 2609
3880 2219
1754 2142 2383
1853 1362 871
777 547
528
661
5109 5351 4039 4480
3606
000
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1970 1980 1990 2000 2014
Brasil India Cuba China Outros
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
16
A produccedilatildeo de cana-de-accediluacutecar no Brasil manteve o crescimento da produtividade de
1990 ateacute 2008 quando entatildeo teve uma reduccedilatildeo e voltou a patamares proacuteximos dos principais
produtores conforme a figura 2 Ressalta-se ainda que a partir de 2001 o Brasil superou a
produtividade da Iacutendia A safra 200708 objeto de estudo da dissertaccedilatildeo apresentou o mais
elevado niacutevel de produtividade no ano de 2008 conforme a figura 2
Figura 2 Produtividade de cana-de-accediluacutecar dos principais paiacuteses produtores (1990-2014) Fonte FAOSTAT (2016)
Tambeacutem se observam as diferenccedilas de produtividade da cana-de-accediluacutecar quando se
compara as regiotildees brasileiras A figura 3 apresenta os niacuteveis de produtividade da cana nas
grandes regiotildees brasileiras medidos pelo rendimento meacutedio da produccedilatildeo por hectare
A reduccedilatildeo do niacutevel de produtividade em 2008 ocorreu de forma mais significativa nas
regiotildees Sudeste Sul e Centro-Oeste Notam-se ciclos de aumento e queda de produtividade no
periacuteodo analisado segundo Santos (2016) as quedas na produtividade no periacuteodo 2008 ndash
2011 deveram-se agraves dificuldades de adaptaccedilatildeo agrave colheita mecacircnica clima (geadas secas e
chuvas) envelhecimento dos canaviais e a defasagem tecnoloacutegica e de manutenccedilatildeo das
lavouras
50000
55000
60000
65000
70000
75000
80000
85000
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Brasil India China
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
17
Figura 3 Rendimento meacutedio da produccedilatildeo de cana-de-accediluacutecar por hectare Grandes Regiotildees
(1990-2015) Fonte IBGE (2016) Elaboraccedilatildeo proacutepria
A diferenccedila de rendimento meacutedio por hectare eacute quando se comparam os estados
brasileiros mais significativa De acordo com dados do Instituto Brasileiro de Geografia e
Estatiacutestica (IBGE 2016) ndash Pesquisa Agriacutecola Municipal (PAM) ndash as estimativas para as safras
200708 e 200809 oscilam entre 38 toneladas por hectares em alguns municiacutepios do
Nordeste ateacute mais de 120 tonha em municiacutepios de Satildeo Paulo e Paranaacute dependendo da idade
do canavial
Embora muitas regiotildees tenham condiccedilotildees climaacuteticas semelhantes existe uma grande
disparidade apresentada na produitivadade das culturas A diferenccedila entre a produtividade
notada e o melhor que pode ser alcanccedilado usando toda tecnologia disponiacutevel eacute denominada
de lacuna de rendimento (ldquoyield gaprdquo) Os melhores rendimentos obtidos dependem da
capacidade dos agricultores em ter acesso a mudas aacutegua nutrientes manejo de pragas solos
biodiversidade entre outros Poreacutem manter ou aumentar a produtividade depende de uma
contiacutenua inovaccedilatildeo para controlar ervas daninhas doenccedilas insetos e outras pragas agrave medida
que estes criam resistecircncia aos diferentes tipos de controle ou se dispersam para novas
regiotildees (GODFRAY et al 2010)
Neste contexto a produtividade da cana-de-accediluacutecar tem sido objeto de estudo nos
uacuteltimos anos e conforme descrito por Marin (2014) as definiccedilotildees associadas aos niacuteveis de
produtividade agriacutecola referem-se a 1) Produtividade real eacute a produtividade alcanccedilada por
30000
40000
50000
60000
70000
80000
90000
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
Norte Nordeste Sudeste Sul Centro-Oeste
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
18
usinas sob condiccedilotildees operacionais 2) Produtividade potencial agravequela obtida por um genoacutetipo
adaptado sob condiccedilotildees oacutetimas de cultivo sem fatores limitantes ou redutores (pragas
doenccedilas nutrientes) ao crescimento tornando-se especiacutefico em cada localidade por causa do
clima e 3) a produtividade atingiacutevel dada pela produtividade obtida por um genoacutetipo
adaptado sob condiccedilotildees reais de cultivo influenciada negativamente por fatores limitantes ou
redutores do crescimento Assim o yield gap eacute a diferenccedila entre a produtividade atingiacutevel
(cerca de 70 a 80 da produtividade potencial) e a produtividade real No estudo a
eficiecircncia meacutedia atual da produccedilatildeo de cana-de-accediluacutecar no Brasil corresponde a 44 um yield
gap meacutedio de 41 toneladashectare Marin e Carvalho (2012) avaliaram que os canaviais
paulistas parecem render em torno de 50 do potencial de produccedilatildeo
Os aumentos da aacuterea e da produccedilatildeo no periacuteodo de 1990 a 2014 no estado de Satildeo Paulo
satildeo ilustrados pela Figura 4 No periacuteodo analisado a aacuterea destinada agrave produccedilatildeo de cana-de-
accediluacutecar no estado passou de aproximadamente 1812 mil hectares para 5566 mil hectares
segundo dados da pesquisa de Produccedilatildeo Agriacutecola Municipal (PAM) do IBGE (2016) Quanto
agrave quantidade produzida o aumento foi de 138 milhotildees de toneladas em 1990 para 401
milhotildees de toneladas em 2014
Figura 4 Evoluccedilatildeo da Aacuterea Plantada e Produccedilatildeo no Estado de Satildeo Paulo (2000 a 2014)
Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
0
50
100
150
200
250
300
350
400
450
0
1
2
3
4
5
6
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Aacuterea Plantada Produccedilatildeo
Aacutere
a P
lanta
da
(mil
hotildees
de
ha)
Pro
duccedilatilde
o (
mil
hotilde
es d
e to
nel
adas
)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
19
De acordo com Parra Botelho e Pinto (2010) o aumento da aacuterea da cana-de-accediluacutecar
trouxe para o debate uma preocupaccedilatildeo com a produccedilatildeo sustentaacutevel da cultura e com a
aplicaccedilatildeo indiscriminada de produtos quiacutemicos (especialmente pulverizaccedilatildeo aeacuterea) que pode
provocar desequiliacutebrio no agro ecossistema e ajudar no aparecimento de novas pragas
A expansatildeo da cultura da cana-de-accediluacutecar no estado de Satildeo Paulo desperta muita
discussatildeo pelos impactos ambientais sociais e econocircmicos gerados De acordo com Cano e
Paulillo (2016) a expansatildeo ocorreu de forma desuniforme influenciada por condiccedilotildees
climaacuteticas pela proximidade de mercados e pela disponibilidade e custo das terras e
competiccedilatildeo com outras culturas
Com a crise do cafeacute em 1929 a cana-de-accediluacutecar ganhou destaque e comeccedilou um
processo de expansatildeo no estado de Satildeo Paulo baseado num modelo mais concentrado de
produccedilatildeo caracterizado por grandes propriedades e grandes usinas Esse modelo permitiu que
fosse aplicado maior uso de tecnologia e gerenciamento aumentando a competitividade da
produccedilatildeo no estado Entre as deacutecadas de 1930 e 1970 Pernambuco representava 40 da
produccedilatildeo total de accediluacutecar que foi reduzida para 20 no final do periacuteodo enquanto que o
estado de Satildeo Paulo aumentou de pouco mais de 10 para quase 50 (CORTEZ 2010) No
iniacutecio da deacutecada de 1930 vaacuterias leis municipais estaduais e federais tornaram obrigatoacuteria a
adiccedilatildeo de etanol na gasolina que estabeleciam a adiccedilatildeo de 5 a 10 de etanol agrave gasolina
(Marcolin 2008) No iniacutecio da deacutecada de 1970 o mercado do etanol no Brasil era escasso
apesar da importacircncia da cana-de-accediluacutecar para o setor agriacutecola do paiacutes Nesse contexto em
1975 o governo criou o Programa Nacional do Aacutelcool (Proaacutelcool) responsaacutevel por um novo
mercado de biocombustiacuteveis que foi rigidamente controlado ateacute 1999 o que permitiu agraves
empresas do setor realizar investimentos de longo prazo (MORAES 2011) Segundo estudo
feito por Shikida e Bacha (1999) no periacuteodo 1975 a 1995 o paiacutes foi responsaacutevel em meacutedia
por 87 da produccedilatildeo mundial e consumiu em meacutedia 65 do total mundial Quanto agraves
exportaccedilotildees brasileiras de accediluacutecar estas corresponderam no periacuteodo a 8 do total exportado
mundialmente colocando o Brasil entre os cinco maiores exportadores
O choque do petroacuteleo na deacutecada de 1970 incentivou a procura por fontes alternativas
de energia e o Brasil a partir da cana-de-accediluacutecar implementou o Programa Nacional do
Aacutelcool (Proaacutelcool) O programa trouxe ganhos econocircmicos por reduzir a dependecircncia do
petroacuteleo aumentando a produccedilatildeo de etanol No entanto no final da deacutecada de 1980 a queda
dos preccedilos internacionais do petroacuteleo colocou o programa em crise e um novo incentivo ao
etanol aconteceu somente em 2003 com o lanccedilamento de carros flex-fuel que aumentou a
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
20
produccedilatildeo de cana-de-accediluacutecar nacional e a importacircncia do setor para a economia brasileira
(MORAES e BACCHI 2014)
O aumento do preccedilo do petroacuteleo em meados da deacutecada de 1970 criou um abiente
favoraacutevel ao uso do etanol como substituto do combustiacutevel foacutessil (gasolina) tanto para o
equiliacutebrio do balanccedilo de pagamentos da economia quanto para os usineiros que diante da
crise do accediluacutecar viram o etanol como alternativa para aumento de renda (Moraes e Bacchi
2014) Shikida e Bacha (1999) destacaram o papel do Estado em minimizar riscos virando o
capitalista do programa Segundo os autores o Proalcool dividiu-se em trecircs principais fases 1)
expansatildeo moderada de 1975 a 1979 com investimentos do governo (75) e setor privado
(25) 2) expansatildeo acelerada 1980 a 1985 com o aumento da participaccedilatildeo de etanol anidro
na gasolina e a alavancagem da induacutestria de maacutequinas e equipamentos para a agroinduacutestria
canavieira e 3) desaceleraccedilatildeo e crise de 1986 a 1995 caracterizado pela constacircncia da
produccedilatildeo de etanol e uma queda na produccedilatildeo de veiacuteculos a aacutelcool
Na deacutecada de 1990 houve um processo de mudanccedila institucional por meio de
investimentos puacuteblicos e privados em pesquisa desenvolvimento e inovaccedilatildeo que viabilizou a
evoluccedilatildeo da reciclagem e reuso da aacutegua do controle bioloacutegico e da mecanizaccedilatildeo do corte da
cana-de-accediluacutecar Com os avanccedilos tecnoloacutegicos a matildeo-de-obra nos processos de plantio corte
e carregamento foi dispensada e as queimadas comeccedilaram a se reduzir A partir de 2006
surgiram os protocolos agroambientais com o intuito de minimizar os impactos ambientais da
cana-de-accediluacutecar paulista por meio da colheita mecanizada (TORQUATO et al 2008)
A crescente demanda por fontes energeacuteticas limpas tem fortalecido as ligaccedilotildees entre
energia e mercado agriacutecola e expandido a chamada agro energia isto eacute a produccedilatildeo de
combustiacuteveis para transporte a partir dos produtos agriacutecolas como etanol e biodiesel por
exemplo No caso do etanol a principal mateacuteria-prima eacute a cana-de-accediluacutecar e o milho enquanto
que para o biodiesel as principais fontes de mateacuteria-prima satildeo a soja canola e dendecirc (FAO
2008)
Conforme o estudo de Cano e Paulillo (2016) a expansatildeo da cultura da cana-de-accediluacutecar
num periacuteodo de 30 anos correspondente agraves safras 198283 a 201213 foi de 250 A
intensidade da ocupaccedilatildeo da cana ao longo da deacutecada de 1990 se consolidou com as EDRs1
da regiatildeo central do Estado principalmente Ribeiratildeo Preto Jauacute Piracicaba Araraquara e
Jaboticabal que passaram apresentar intensidade muito alta de ocupaccedilatildeo O periacuteodo seguinte
1 Os Escritoacuterios de Desenvolvimento Rural (EDR) satildeo organizaccedilotildees territoriais menores que as regiotildees
administrativas do estado poreacutem maiores que os municiacutepios e microrregiotildees O estado de Satildeo Paulo estaacute
organizado em 40 organizaccedilotildees territoriais denominadas EDRs segundo IEA (2014)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
21
199900 a 200405 consolidou as tendecircncias verificadas na deacutecada de 1990 Entre os anos
safra 200405 e 201213 a cana passou a ocupar quase 25 da aacuterea total do estado utilizando
de forma intensa terras antes natildeo ocupadas
Na figura 5 pode ser observada a expansatildeo de aacutereas destinadas agrave cultura da cana-de-
accediluacutecar no estado de Satildeo Paulo nos anos de 1990 2008 e 2014 Nota-se um aumento de
municiacutepios com mais de 60 de cana plantada principalmente em aacutereas do noroeste e oeste
paulista O estado de Satildeo Paulo corresponde a aproximadamente 56 do total de cana-de-
accediluacutecar produzido no paiacutes gerando por volta de 668 do valor bruto da produccedilatildeo agriacutecola
total do estado levando em consideraccedilatildeo as lavouras temporaacuteria e permanente de acordo com
dados da PAM (IBGE 2016)
No periacuteodo entre 1988 e 2003 conforme Miranda (2010) a cultura da cana-de-accediluacutecar
ganhou uma nova dinacircmica territorial no estado de Satildeo Paulo e comeccedilou a expansatildeo para as
regiotildees situadas mais a Oeste como a regiatildeo de Assis e ocupando aacutereas de pastagem e de
culturas anuais A aacuterea de expansatildeo da cana-de-accediluacutecar no periacuteodo foi de 13 milhotildees de
hectares principalmente sobre 596345 ha de culturas anuais 474743 ha de pastagens e
157680 ha de fruticultura
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
22
Figura 5 Mapa da expansatildeo da cultura canavieira no Estado de Satildeo Paulo por Municiacutepios
percentual da aacuterea total do municiacutepio destinada agrave cultura da cana-de-accediluacutecar
(199020082014) Fonte Elaboraccedilatildeo proacutepria do autor com base nos dados da Pesquisa Agriacutecola Municipal (IBGE 2016)
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
1990
(61](36](23](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2008
(61](46](24](12][01]
Aacuterea Plantada de Cana-de-Accediluacutecar Fonte Elaboraccedilatildeo proacutepria
2014
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
23
22 O Manejo Integrado de Pragas e o impacto das Pragas na cana-de-accediluacutecar
A compreensatildeo do controle bioloacutegico e manejo integrado de pragas no Brasil requer
uma anaacutelise retrospectiva deste tipo de praacutetica considerando aspectos do uso de agentes
quiacutemicos Conforme Parra (2011) os esforccedilos para adoccedilatildeo do Manejo Integrado de Pragas
(MIP) no planejamento agriacutecola vecircm mostrando mudanccedila positiva no emprego das teacutecnicas de
cultivo com contribuiccedilotildees para o maior uso do controle bioloacutegico buscando uma agricultura
sustentaacutevel e adequada ao clima do Brasil
No final do seacuteculo XIX e comeccedilo do seacuteculo XX na ausecircncia de teacutecnicas avanccediladas e
poderosos pesticidas na agricultura especialistas e estudiosos em proteccedilatildeo das culturas
basearam-se no conhecimento da biologia das pragas e de praacuteticas culturais no intuito de
produzir estrateacutegias com muacuteltiplas taacuteticas de proteccedilatildeo de plantas que em alguns casos foram
precursores dos sistemas modernos de manejo integrado de pragas (GAINES 1957) O
controle de pragas foi entendido por Kogan (1998) como o conjunto de accedilotildees tomadas para
evitar ou atenuar o impacto de pragas nas culturas
O manejo integrado teve iniacutecio com o controle das pragas que se estendeu do iniacutecio
da deacutecada de 1930 ateacute a deacutecada de 1970 Na eacutepoca o objetivo principal do controle era o de
erradicar os insetos e pragas ou seja eliminar completamente o agente nocivo Num conceito
mais moderno a preocupaccedilatildeo do manejo integrado estaacute na reduccedilatildeo da populaccedilatildeo inicial e
manutenccedilatildeo da populaccedilatildeo em equiliacutebrio com as plantas e o meio ambiente O controle de
pragas baseava-se em um meacutetodo de aplicaccedilatildeo continuada de inseticidas em larga escala por
apresentar custo reduzido Contudo a praacutetica se tornou inadequada por provocar um
desequiliacutebrio no agro ecossistema aleacutem das espeacutecies terem se tornado resistentes agrave praacutetica
utilizada (ZAMBOLIN e JUNQUEIRA 2004)
Do total de aproximadamente um milhatildeo de espeacutecies de insetos cerca de 10 satildeo
pragas que prejudicam as plantas os animais e o proacuteprio homem Os prejuiacutezos podem ser
quantitativos ou qualitativos dependendo da espeacutecie e da densidade populacional da praga da
estrutura vegetal atacada e da duraccedilatildeo do ataque Tais danos diferenciam-se entre paiacuteses
influenciados pelo clima teacutecnicas agronocircmicas utilizadas e caracteriacutesticas socioeconocircmicas
O Brasil por ser um paiacutes tropical e com grandes aacutereas de cultivo de diversas culturas
apresenta seacuterios problemas com a questatildeo da praga (GALLO et al 2002)
Segundo Zambolin e Junqueira (2004) com os avanccedilos obtidos no estudo da teoria
do controle bioloacutegico foi possiacutevel nas deacutecadas de 1950 e 1960 criar o conceito integrado de
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
24
controle de pragas cujo objetivo eacute empregar com maior amplitude as taacuteticas de controle dos
agentes nocivos De acordo com Stern et al (1959) o controle integrado eacute ldquoo controle
aplicado de pragas que combina e integra os controles quiacutemico e bioloacutegicordquo
Neste periacuteodo comeccedilou a surgir uma consciecircncia ecoloacutegico-ambiental devido ao
insucesso dos programas de erradicaccedilatildeo quiacutemica que expandiu o conceito do controle para
manejo integrado de pragas Assim o controle integrado acaba ocorrendo em funccedilatildeo das
consideraccedilotildees econocircmicas enquanto que o manejo integrado leva em consideraccedilatildeo aspectos
ecoloacutegicos e principalmente socioloacutegicos em busca do bem-estar da sociedade ao consumir
produtos agriacutecolas produzidos No final da deacutecada de 1960 foi introduzido o conceito de
limiar de dano econocircmico agrave cultura entendido como a densidade populacional de uma praga
capaz de causar um dano econocircmico (prejuiacutezo) igual ao seu custo de controle (ZAMBOLIN e
JUNQUEIRA 2004)
Para Kogan (1998) o Manejo integrado de pragas abrange duas faces distintas a
integraccedilatildeo e o manejo Por um lado a integraccedilatildeo pode ser entendida como o uso de muacuteltiplas
taacuteticas de proteccedilatildeo de plantas enquanto que o manejo refere-se a um conjunto de regras
(baseada e consideraccedilotildees econocircmicas sociais e ambientais) que auxiliam a tomada de
decisatildeo
De acordo com Gallo et al (2002) o MIP eacute o conjunto de medidas que procura
manter as pragas abaixo do niacutevel de dano econocircmico considerando poreacutem alguns criteacuterios
econocircmicos sociais e ecoloacutegicos O avanccedilo do meacutetodo no Brasil com o conhecimento das
pragas dos inimigos naturais e de amostragem permitiu uma reduccedilatildeo no uso de inseticidas
com a utilizaccedilatildeo do MIP dado a evoluccedilatildeo da resistecircncia das pragas aos pesticidas `
Nas deacutecadas de 1980 e 1990 houve importantes avanccedilos em pesquisa sobre controle
bioloacutegico e manejo integrado das pragas Com a criaccedilatildeo da Empresa Brasileira de Pesquisa
Agropecuaacuteria (EMBRAPA) tornou-se possiacutevel o desenvolvimento de profissionais na aacuterea de
entomologia com estudos sobre o controle bioloacutegico As universidades tambeacutem
desempenharam papel fundamental no desenvolvimento dessas tecnologias contribuindo para
o avanccedilo do manejo integrado de pragas no Brasil (CRUZ 2002)
De acordo com Cruz (2002) o controle bioloacutegico e o MIP combinados ou natildeo
enfrentam alguns problemas que surgiram pela falta de conhecimentos O nuacutemero e a
variedade de fatores passiacuteveis de manejo satildeo ilimitados poreacutem a chave para qualquer um
deles estaacute no conhecimento completo do ambiente fiacutesico e bioacutetico da biologia ecologia
comportamento e geneacutetica tanto das pragas quanto dos inimigos naturais No entanto o niacutevel
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
25
econocircmico de dano ou limiar de dano eacute um preacute-requisito fundamental antes da estimativa do
valor potencial dos fatores
O niacutevel de dano econocircmico eacute definido como a menor populaccedilatildeo da praga capaz de
causar dano econocircmico enquanto limiar de dano refere-se a uma populaccedilatildeo menor com
relaccedilatildeo agrave qual algum tipo de accedilatildeo deve ser tomado para natildeo deixar que a praga atinja o niacutevel
de dano econocircmico (STERN et al 1959) Ambos satildeo importantes para o manejo de
parasitoides e predadores e o dano conforme Pedigo (2001) eacute entendido como a reduccedilatildeo na
produccedilatildeo sendo imprescindiacutevel e de difiacutecil conceituaccedilatildeo a funccedilatildeo de dano
Os parasitoides e predadores natildeo podem evitar todo dano provocado pelo inseto
devido agrave busca do equiliacutebrio no ecossistema Assim deve ser aceito um niacutevel de toleracircncia
para que a densidade da praga permaneccedila em niacuteveis baixos e os niacuteveis de dano econocircmico e
de limiar de dano econocircmico mudaratildeo agrave medida que as condiccedilotildees mudarem Apesar das
dificuldades eacute importante que eles sejam determinados quando se pretende avaliar o sucesso
do controle bioloacutegico Se o niacutevel de dano econocircmico eacute relativamente alto a amplitude das
opccedilotildees de controle satildeo maiores do que se fossem baixo ou entatildeo nulo (CRUZ 2002)
Para analisar a perda de produtividade no setor eacute necessaacuterio definir o tipo de relaccedilatildeo
existente entre infestaccedilatildeo de pragas e produtividade A intensidade da infestaccedilatildeo eacute
responsaacutevel por afetar o niacutevel de produtividade da cultura e estaacute ligada a trecircs efeitos o
nuacutemero de pragas existentes o estaacutegio de desenvolvimento e a duraccedilatildeo do ataque das pragas
Assim a presenccedila de uma praga na cultura causa um tipo particular de dano que influencia na
probabilidade e na dimensatildeo das perdas de produtividade (DENT 2000)
Portanto na utilizaccedilatildeo do manejo integrado de pragas o que se procura segundo
Zambolin e Junqueira (2004) eacute a obtenccedilatildeo de maior estabilidade na produccedilatildeo a padronizaccedilatildeo
de procedimentos de controle integrado a exploraccedilatildeo de novas aacutereas agricultaacuteveis maior
rapidez e flexibilidade na resposta a surtos epidecircmicos de pragas e patoacutegenos e uma menor
agressatildeo ao meio ambiente
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
26
23 Resultados empiacutericos da literatura
Estudos que abordaram uma avaliaccedilatildeo de impacto econocircmico do surto de pragas na
agropecuaacuteria satildeo escassos na literatura nacional Trabalhos dessa natureza satildeo importantes por
fornecerem informaccedilotildees aos tomadores de decisatildeo a respeito da produccedilatildeo futura de uma
cultura em especiacutefico do ponto de vista econocircmico ambiental e social Na literatura
internacional foram feitos estudos para paiacuteses que apresentam uma economia mais dependente
da produccedilatildeo agropecuaacuteria tal como Filipinas e Honduras e alguns paiacuteses da Aacutefrica Assim
apresenta-se a seguir alguns trabalhos que evidentemente natildeo esgotam a literarura a respeito
do tema sobre o impacto das pragas na produccedilatildeo e produtividade e tambeacutem o impacto do uso
de tecnologia moderna na atividade econocircmica da lavoura
Dinardo-Miranda et al (2004) analisaram a magnitude dos danos causados pela
cigarrinha das raiacutezes agrave cana-de-accediluacutecar No estudo a aplicaccedilatildeo de inseticidas para eliminar a
praga resultou em incrementos da produtividade em decorrecircncia da reduccedilatildeo populacional da
praga Em outro estudo Dinardo-Miranda e Gil (2007) avaliaram o niacutevel de dano econocircmico
provocado pela praga na cana-de-accediluacutecar O tratamento proposto no trabalho resultou em
aumento da produtividade de colmos e de accediluacutecar total recuperaacutevel (ATR) fato atribuiacutedo ao
melhor controle inicial da praga que proporcionou maior lucro
A avaliccedilatildeo do impacto de poliacuteticas puacuteblicas tem ganhado destaque nos uacuteltimos anos
especialmente as poliacuteticas voltadas para a agricultura Bravo-Ureta et al (2011) examinaram o
impacto do sistema produccedilatildeo sustentaacutevel da agricultura na Ameacuterica Central O trabalho dos
autores propocircs avaliar o impacto que o investimento no programa MARENA em Honduras
poderia ter sobre o valor bruto da produccedilatildeo Para isso foi utilizada a metodologia do
Propensity Score Matching com Difference-in-Differences como forma de reduzir o vieacutes de
seleccedilatildeo existente nas variaacuteveis observadas Os resultados apontaram para um maior valor
bruto da produccedilatildeo dos beneficiaacuterios do programa em relaccedilatildeo ao natildeo beneficiaacuterios Os
resultados tambeacutem sugeriram a inexistecircncia de efeitos transbordamento (spillover effects)
Villano et al (2015) utilizaram dados cross-section de uma pesquisa feita nas
Filipinas ldquoRice Based Household Surveyrdquo para 30 proviacutencias responsaacuteveis por 70 da
produccedilatildeo total de arroz O principal objetivo do estudo foi analisar os efeitos da tecnologia e
da capacidade gerencial sobre a produtividade dos agricultores de arroz Para isso foi
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
27
utilizado um procedimento de vaacuterios estaacutegios a fim de controlar o vieacutes existente entre as
variaacuteveis observaacuteveis e natildeo observaacuteveis A metodologia do Propensity Score Matching (PSM)
foi aplicada para selecionar uma amostra com produtores que adotaram a tecnologia de
Certificaccedilatildeo de Sementes (CSs) e outra amostra dos que natildeo adotaram a mesma tecnologia
Os autores mostraram que o impacto do uso de sementes certificadas na produtividade foi
positivo e significativo para os adotantes da tecnologia Fatores como escolaridade
experiecircncia e acesso a creacutedito aumentaram a chance do produtor utilizar o programa de
certificaccedilatildeo de sementes
Como a adoccedilatildeo de tecnologia eacute um processo natildeo aleatoacuterio o uso do propensity score
matching possibilita a construccedilatildeo do grupo contrafactual baseado em caracteriacutesticas
observadas do indiviacuteduo produtor ou famiacutelia permitindo criar uma situaccedilatildeo na qual natildeo haacute
correlaccedilatildeo entre adotar ou natildeo certa tecnologia e os atributos dos indiviacuteduosprodutores de
modo que se resolve o problema do vieacutes de autosseleccedilatildeo Wu et al (2010) avaliaram o
impacto da adoccedilatildeo de tecnologia na agricultura no bem-estar dos produtores mais
especificamente na renda Foram encontrados efeitos positivos para a tecnologia de arroz de
planalto (ldquoupland rice technolgyrdquo) no bem-estar dos produtores de uma certa regiatildeo da China
medida pelo aumento na renda e pela reduccedilatildeo da pobreza Notou-se que o efeito positivo da
tecnologia diminuiu ao longo do tempo sugerindo um limite para o impacto de certas
tecnologias na renda do produtor e a necessidade de se ter inovaccedilotildees constantes de tecnologia
na agricultura
Pufahl e Weiss (2009) avaliaram o impacto do programa agri-environment (AE) na
produtividade despesa com produtos quiacutemicos agriacutecolas (pesticidas fertilizantes) na aacuterea
cultivada entre outros O programa compensa os agricultores capazes de adotar tecnologias
favoraacuteveis ao meio ambiente na produccedilatildeo O resultado encontrado demonstrou que a
participaccedilatildeo no programa gerou resultados positivos na aacuterea cultivada aleacutem de ter reduzido a
compra de produtos quiacutemicos agriacutecolas
Mendola (2006) analisou o possiacutevel impacto da adoccedilatildeo de tecnologia na agricultura na
reduccedilatildeo da pobreza atraveacutes de uma abordagem empiacuterica entre as mudanccedilas tecnoloacutegicas da
revoluccedilatildeo verde e o bem-estar dos pequenos produtores domiciliares em duas regiotildees de
Bangladesh O estudo analisou se a adoccedilatildeo de sementes tecnificadas faz com que os
agricultores com poucos recursos melhorem sua renda e diminuam a chance de ficar abaixo
da linha de pobreza Foram encontrados resultados significativos e positivos para o problema
descrito
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
28
Alguns estudos de avaliaccedilatildeo de impacto na agricultura brasileira tecircm focado nas
poliacuteticas agriacutecolas Paredes (2016) avaliou os dados do Tribunal de Contas da Uniatildeo (TCU)
de 2003 a 2005 sobre os produtores de milho no estado do Paranaacute em uma anaacutelise com
diversas metodologias quase-experimentais de avaliaccedilatildeo de impacto quantitativa inclusive
PSM buscando verificar a relaccedilatildeo existente entre os adotantes e natildeo adotantes do programa
Proagro Mais sobre o montante de creacutedito por hectare concedido O estudo apontou para
efeitos negativos do tratamento sobre os tratados ou seja o grupo de controle (natildeo adotantes
do Proagro mais) teve um valor maior de creacutedito por hectare em relaccedilatildeo aos beneficiaacuterios do
programa
Santos et al (2016) analisaram efeitos de um programa estadual paraense de reduccedilatildeo
do desmatamento Programa Municiacutepios Verdes (PMV) nos municiacutepios brasileiros que
compotildeem a Amazocircnia legal a partir de dados em painel no periacuteodo de 2010 a 2013 O
estudou testou a hipoacutetese de que os incentivos e vantagens oferecidos por participar do
programa (maior seguranccedila juriacutedica acesso ao creacutedito e incentivos fiscais) contribuam para
que a cidades se esforcem em manter o desmatamentoem em niacuteveis baixos Para isso
utilizou-se a metodologia do PSM com Diferenccedila nas diferenccedilas (DD) para construir um
grupo de tratamento (participantes do PMV) e um grupo de controle (natildeo participantes do
PMV) Os resultados sugerem que nem todos os municiacutepios que participaram do programa
mantiveram baixas taxas de desmatamento Os efeitos positivos do programa foram apenas
para os municiacutepios que apresentaram de meacutedio a baixo risco de desmatamento sugerindo
efetividade do programa em cidades com margem para mudar os indicadores ambientais
Outro estudo relacionado com as poliacuteticas agriacutecolas foi realizado por Garcias (2014)
O objetivo do trabalho foi avaliar o impacto da restriccedilatildeo ao creacutedito rural sobre a produtividade
da terra e do trabalho para os agricultores familiares no Brasil Com base nos dados por
municiacutepio do Censo Agropecuaacuterio de 2006 foi possiacutevel utilizar as teacutecnicas de
emparelhamento por escore de propensatildeo (PSM) e mostrou que municiacutepios que utilizaram o
creacutedito apresentaram maior produtividade da terra e do trabalho quando pertencentes ao
quarto quartil de acordo com um criteacuterio estabelecido para dividir a populaccedilatildeo em quartis
Foram encontrados na literatura trabalhos acerca da produtividade da cana-de-accediluacutecar
no Brasil Santos (2016) analisou as diferenccedilas de produtividade no cultivo da cana-de-accediluacutecar
no paiacutes bem como os possiacuteveis impactos de avanccedilos em diferentes intensidades O autor
notou uma disparidade de rendimento meacutedio por aacuterea com diferenccedilas consideraacuteveis entre
estados microrregiotildees e municiacutepios com produtividade variando em torno de 40
toneladashectare e 120 tha Assim este tipo de resultado permitiria estiacutemulos para a adoccedilatildeo
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
29
de teacutecnicas modernas de produccedilatildeo que poderiam ser direcionados para as regiotildees onde as
lavouras tecircm produtividade mais baixa
Chagas Toneto-Jr e Azzoni (2012) por meio de um meacutetodo propensity score
espacial identificaram os possiacuteveis impactos que a produccedilatildeo de cana-de-accediluacutecar exerce sobre
os indicadores sociais das regiotildees produtoras por meio do Iacutendice de Desenvolvimento
Humano municipal (IDH-M) Os resultados sugeriram que a presenccedila do setor nas localidades
natildeo eacute fator determinante das condiccedilotildees sociais e possivelmente para as regiotildees produtoras de
cana-de-accediluacutecar os benefiacutecios natildeo sejam tatildeo evidentes comparados com o paiacutes como um todo
Enquanto no Brasil boa parte da literatura tem estudado o impacto de poliacuteticas
agriacutecolas os estudos internacionais tecircm apresentado resultados sobre o impacto da adoccedilatildeo de
novas tecnologias na agricultura Dessa maneira este estudo pretende contribuir com a
literatura nacional da aacuterea adicionando um modelo empiacuterico de avaliaccedilatildeo de impacto da
adoccedilatildeo tecnoloacutegica na produtividade da cana-de-accediluacutecar A proacutexima seccedilatildeo trata com maiores
detalhes a metodologia proposta para esta avaliaccedilatildeo
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
30
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
31
3 METODOLOGIA
31 Aspectos Gerais
O objetivo do trabalho foi estimar o impacto que a adoccedilatildeo de tecnologia na produccedilatildeo
de cana-de-accediluacutecar pode ter na produtividade das Unidades de Produccedilatildeo Agropecuaacuteria (UPA)
Conforme a literatura o modelo Propensity Score Matching (PSM) eacute capaz de avaliar este
impacto que pode ser interpretado como o efeito meacutedio do tratamento sobre os tratados
(EMTT) Para tanto seria necessaacuterio comparar o desempenho em duas situaccedilotildees com e sem o
tratamento proposto Entretanto eacute muito difiacutecil analisar a situaccedilatildeo do mesmo indiviacuteduo em
duas situaccedilotildees que ocorrem simultaneamente
O principal desafio da avaliaccedilatildeo de impacto eacute a construccedilatildeo do contrafactual do grupo
de tratamento ou seja o que teria acontecido com os participantes caso eles natildeo tivessem
participado do tratamento (HEINRICH et al 2010) A melhor maneira de se construir este
grupo contrafactual eacute selecionar aleatoriamente as UPAs que adotaram o manejo integrado de
pragas na produccedilatildeo de cana-de-accediluacutecar e as UPAs que natildeo adotaram Assim de acordo com
Peixoto et al (2012) o mecanismo de aleatorizaccedilatildeo consegue fornecer o balanceamento
necessaacuterio das variaacuteveis observadas e natildeo observadas e resolver o problema do vieacutes de
autosseleccedilatildeo Entretanto a adoccedilatildeo do manejo integrado de pragas acontece de forma natildeo-
aletoacuteria uma vez que fatores como o niacutevel de educaccedilatildeo e os custos relacionados agrave
implementaccedilatildeo do programa afetam a decisatildeo de participaccedilatildeo no programa
A participaccedilatildeo no tratamento geralmente acontece de forma natildeo-aleatoacuteria e os
indiviacuteduos escolhidos para receber ou natildeo o tratamento satildeo diferenciados por caracteriacutesticas
que afetam tanto a participaccedilatildeo quanto o resultado de interesse (vetor de covariadas) Um dos
procedimentos centrais na implementaccedilatildeo do Matching eacute definir com clareza o grupo similar
ou de controle (HEINRICH et al 2010)
O Propensity Score Matching (PSM) eacute usado como forma de reduzir o vieacutes das
variaacuteveis observadas e criar uma amostra contra factual adequada Para este trabalho
especificamente o PSM propotildee parear as UPAs que adotaram o Manejo Integrado de Pragas
com aquelas que natildeo o adotaram baseado em caracteriacutesticas observadas e invariantes no
tempo procurando parear dois grupos mais similares possiacutevel exceto pela adoccedilatildeo Estudos
recentes na literatura de economia agriacutecola adotaram o PSM como por exemplo os trabalhos
de Puhfal and Weiss (2009) Wu et al (2010) Bravo-Ureta et al (2011) Chagas et al (2012)
e Villano et al (2015)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
32
Para a definiccedilatildeo dos grupos de tratamento e controle corresponde agraves
unidades de produccedilatildeo agropecuaacuteria que adotaram a tecnologia (manejo integrado de pragas)
na produccedilatildeo de cana-de-accediluacutecar e as demais Supotildee-se tambeacutem que o resultado
potencial caso a UPA adote a tecnologia seja e caso contraacuterio As UPAs natildeo
apresentam a mesma probabilidade de pertencer ao grupo de tratamento ou de controle pois
fatores institucionais condiccedilotildees biofiacutesicas e as caracteriacutesticas dos produtores (definidas como
variaacuteveis ) afetam essa probabilidade Neste sentido eacute possiacutevel controlar o vieacutes de seleccedilatildeo
existente no fato de indiviacuteduos diferentes receberem o tratamento estimando as
probabilidades de recebecirc-lo dado o conjunto de covariadas de modo que
( ) ⟘
onde Y eacute o resultado de interesse ou potencial D eacute o tratamento D (01) e X satildeo as
variaacuteveis observadas (covariadas)
Em termos gerais o Efeito Meacutedio do Tratamento (EMT ou ATE) eacute definido como a
diferenccedila das meacutedias obtidas entre os resultados potenciais dos grupos de tratados e controle
(HEINRICH et al 2010) de modo que
( )
Poreacutem o foco do trabalho foi captar o impacto no grupo das pessoas que participaram
do programa ou no caso aderiram agrave tecnologia do manejo integrado de pragas Para isso
utilizou-se o Efeito Meacutedio do Tratamento sobre os Tratados (EMTT ou ATT) conforme
( | )
Como ( | ) representa o que teria acontecido com a UPA que adotou a
tecnologia do manejo integrado de pragas caso se ela natildeo o tivesse adotado pode-se perceber
a dificuldade em encontrar o contrafactual de um indiviacuteduo sob tratamento De acordo com
Caliendo e Kopeing (2008) como o grupo contra factual neste caso natildeo pode ser observado
faz-se necessaacuterio encontrar um substituto proacuteximo para a estimaccedilatildeo do EMTT Neste sentido
Heckman Ichimura e Todd (1998) mostraram que o valor do contra factual (resultado
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
33
potencial do natildeo tratamento sobre os tratados) ( | ) eacute aproximado pelo resultado
meacutedio do auto selecionado grupo de natildeo tratados ( | )
Consequentemente tem-se o primeiro pressuposto para a identificaccedilatildeo do efeito do
tratamento chamado na literatura de ldquounconfoundednessrdquo ou independecircncia condicional
A independecircncia condicional eacute uma hipoacutetese forte e natildeo eacute um criteacuterio diretamente
testaacutevel Ao controlar a heterogeneidade dos grupos pelo vetor X de caracteriacutesticas
observadas o resultado potencial se torna independente do tratamento No entanto se
caracteriacutesticas natildeo observadas determinarem a participaccedilatildeo no tratamento a independecircncia
condicional seria violada e o PSM natildeo seria um meacutetodo adequado (KHANDKER et al
2010)
O segundo pressuposto eacute a existecircncia do suporte comum De acordo com Cameron e
Trivedi (2005) o suporte comum (overlap) garante que existam unidades comparaacuteveis nos
dois grupos tratamento e controle para cada caracteriacutestica X comparaacutevel com probabilidade
entre zero e um ou seja
[ ]
Segundo Heckman Lalonde e Smith (1999) o suporte comum garante que pessoas
com o mesmo valor de X (mesmas caracteriacutesticas) tecircm probabilidade positiva de ser
participante ou natildeo do tratamento Caliendo e Kopeinig (2008) Khandker et al (2010) e
Heinrich et al (2010) abordaram com maiores detalhes dos pressupostos do meacutetodo de
pareamento via escore de propensatildeo (PSM) Assim satisfeitos os dois pressupostos ou
condiccedilotildees a participaccedilatildeo no tratamento eacute denominada de ldquostrongly ignorablerdquo (Rosenbaum e
Rubin 1983)
Com a validaccedilatildeo dos pressupostos do modelo proposto pode-se ter uma estimativa
natildeo viesada do EMTT Por isso eacute possiacutevel utilizar a metodologia do matching para construir
um grupo de controle o mais parecido possiacutevel com o grupo de tratamento condicionando
ambos nas variaacuteveis observadas de modo a comparar os resultados
Com os pressupostos baacutesicos do modelo observados tem-se que ao comparar
unidades de produccedilatildeo agropecuaacuterias no grupo de tratamento e controle com as mesmas
caracteriacutesticas observadas o uacutenico fator que as diferencia eacute o fato de ter ou natildeo usado a
teacutecnica de manejo integrado de pragas
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
34
Portanto como concluiram Caliendo e Kopeinig (2008) o PSM eacute simplesmente a
diferenccedila meacutedia nos resultados sobre o suporte comum devidamente ponderado pela
distribuiccedilatildeo do propensity score dos participantes
32 Estimaccedilatildeo do Propensity Score
Quando se compara dois indiviacuteduos condicionados a um nuacutemero grande de
caracteriacutesticas observadas a semelhanccedila entre eles aumenta e estes se tornam mais
comparaacuteveis Poreacutem ao considerar essas covariadas pode ocorrer o problema de
multidimensionalidade Em 1983 Rosenbaum e Rubin introduziram o meacutetodo do propensity
score como forma de resolver este problema A metodologia define a probabilidade
condicional de participar de um tratamento (programa) dado um vetor de variaacuteveis
observadas (covariadas)
Para a anaacutelise do PSM primeiramente estimou-se o propensity score (PS) Ocorre
que para uma variaacutevel de tratamento binaacuteria natildeo haacute vantagem na utilizaccedilatildeo de um modelo
probit ou logit dado que os dois modelos satildeo preferiacuteveis ao modelo linear de probabilidade
(HEINRICH et al 2010) A princiacutepio qualquer modelo discreto de escolha pode ser usado A
preferecircncia pelo logit ou probit vem do fato de os modelos lineares de probabilidade
apresentarem uma variaacutevel resposta altamente enviesada e ter probabilidades fora dos limites
[01] (CALIENDO e KOPEINIG 2008)
Quando a participaccedilatildeo no tratamento eacute natildeo-aleatoacuteria mas depende de um vetor de
variaacuteveis observaacuteveis x o conceito de propensity score torna-se bastante usado (CAMERON
e TRIVEDI 2005)
Na anaacutelise binomial o propensity score eacute analisado a partir de meacutetodos parameacutetricos
e semiparameacutetricos (logit ou probit) definidos como
( ) ( )
onde y corresponde a variaacutevel de resposta do modelo binaacuterio escolhido x eacute o vetor de
variaacuteveis condicionais e F( ) eacute uma funccedilatildeo parameacutetrica de podendo ser uma funccedilatildeo
com distribuiccedilatildeo logiacutestica (logit) ou Normal (probit) No caso do modelo logit a
probabilidade de adotar ou natildeo a teacutecnica (Manejo Integrado de Pragas) pode ser descrita
como
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
35
( | )
Para o modelo probit a probabilidade de adoccedilatildeo de tecnologia se daacute conforme as
expressotildees (CAMERON e TRAVEDI 2010 WOOLDRIDGE 2010)
( ) int ( )
( ) ( ) (
)
Assim o meacutetodo do propensity score permite reduzir o vieacutes gerado por variaacuteveis natildeo
observadas mas natildeo eliminaacute-lo A extensatildeo de quanto o vieacutes eacute reduzido depende da riqueza e
da qualidade das variaacuteveis de controle em que o propensity score eacute computado e o
pareamento realizado (BECKER e ICHINO 2002)
Segundo Heckman Ichimura e Todd (1997) o vieacutes eacute dividido em trecircs componentes
1) falta de suporte comum 2) em decorrecircncia de erros nas variaacuteveis observadas 3) diferenccedila
nos resultados remanescentes apoacutes levar em consideraccedilatildeo o suporte comum e as
caracteriacutesticas observaacuteveis conhecidas como ldquovieacutes de seleccedilatildeordquo Para lidar com o vieacutes o
programa deve ser alocado aleatoriamente garantindo que participantes e natildeo participantes
teriam o mesmo resultado esperado caso natildeo tivessem sido inscritos no programa (ou no caso
deste trabalho adotado o MIP)
33 Modelos de Pareamento
A estimaccedilatildeo do propensity score natildeo eacute suficiente para estimar o Efeito Meacutedio de
tratamento sobre os tratados (EMTT) O principal motivo eacute que a probabilidade de se obter
duas observaccedilotildees com exatamente o mesmo propensity score eacute praticamente nula
considerando que p(x) eacute uma variaacutevel contiacutenua Assim vaacuterios meacutetodos tecircm sido propostos na
literatura para a realizaccedilatildeo do pareamento entre os grupos de tratamento e controle tais como
(BECKER e ICHINO 2002) 1) pareamento por vizinho mais proacuteximo (NNM) 2)
pareamento por radius ou caliper 3) pareamento por kernel e local linear 4) Covariate
Matching (CVM)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
36
O Pareamento por vizinho mais proacuteximo (NNM) eacute o meacutetodo mais utilizado dentre
todos (KHANDKER et al 2010 CALIENDO e KOPEINIG 2008) Para Caliendo e
Kopeinig (2008) o indiviacuteduo no grupo de controle eacute escolhido para ser pareado com outro no
grupo de tratamento conforme a proximidade do valor do propensity score As estimativas
podem ser realizadas com ou sem reposiccedilatildeo sendo que no pareamento com reposiccedilatildeo haacute um
trade-off entre vieacutes e variacircncia Um problema com a estimaccedilatildeo do NNM sem reposiccedilatildeo eacute que
as estimativas dependem da ordem em que as observaccedilotildees satildeo pareadas tornando necessaacuterio
gerar uma ordem aleatoacuteria antes de se estimar os pareamentos
O pareamento por vizinho mais proacuteximo eacute dado por
( )
onde e satildeo os propensity scores do grupo de tratamento e controle respectivamente eacute
o conjunto de participantes do tratamento e eacute o conjunto de natildeo participantes (controle)
( ) eacute o conjunto de indiviacuteduos do grupo de controle pareados com o indiviacuteduo i de acordo
com o valor do propensity score e j representa um indiviacuteduo do grupo de controle (j ϵ C)
Contudo agraves vezes a diferenccedila entre os escores de propensatildeo do indiviacuteduo do grupo de
tratamento comparado com o indiviacuteduo do grupo de controle eacute muito grande ao fazer o
pareamento pelo meacutetodo do vizinho mais proacuteximo Esta situaccedilatildeo poderia causar pareamentos
fracos poreacutem pode ser resolvida utilizando um calibre (caliper) que impotildee uma maacutexima
toleracircncia agrave distacircncia entre as duas observaccedilotildees pareadas (KHANDKER et al 2010
CALIENDO E KOPEINIG 2008) O meacutetodo de pareamento por Caliper pode ser
representado da seguinte maneira segundo Guo e Fraser (2010)
onde eacute a maacutexima toleracircncia permitida para o pareamento (caliper) De acordo com
Rosenbaum e Rubin (1985) o tamanho do caliper eacute um quarto do desvio padratildeo dos
propensity scores da amostra
Os algoritmos Kernel e Local Linear satildeo estimadores natildeo parameacutetricos que
comparam o resultado de cada unidade tratada (adotou MIP) com a meacutedia dos natildeo-tratados
(natildeo-adotou MIP) baseado em uma meacutedia ponderada das UPAs que natildeo adotaram o MIP
com o maior peso sendo dado aos scores mais proacuteximos das UPAs que adotaram o MIP De
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
37
acordo com Caliendo e Kopeinig (2008) diferente dos outros meacutetodos que constroem um
grupo contrafactual com apenas algumas observaccedilotildees o Kernel e Local linear usam uma
meacutedia ponderada para todos os indiviacuteduos no grupo de controle na construccedilatildeo do
contrafactual tendo com maior vantagem a baixa variacircncia gerada uma vez que mais
informaccedilotildees satildeo utilizadas relativamente a outras estrateacutegias
34 Estimaccedilatildeo do EMTT e qualidade do pareamento
Apoacutes ser realizado o matching utilizando os meacutetodos apresentados faz-se necessaacuterio
testar a qualidade do pareamento ou seja se os valores das covariadas dos grupos de
tratamento e controle antes e depois do matching apresentam diferenccedilas significativas
(CALIENDO e KOPEINIG 2008) Quanto mais apropriado e correto for o pareamento
menor seraacute a diferenccedila das meacutedias dos grupos De acordo com Becker e Ichino (2002) eacute
possiacutevel verificar a qualidade do pareamento atraveacutes do balancing property
Dessa maneira alguns procedimentos foram propostos por Caliendo e Kopeinig
(2008) como forma de calcular a qualidade do pareamento Satildeo eles vieacutes padronizado
(Standardised Bias) teste-t (t-Test) significacircncia conjunta e pseudo-Rsup2 (joint significance and
pseudo-Rsup2) teste de estratificaccedilatildeo (stratification test) O trabalho procura enfatizar os testes
de vieacutes padronizado e teste-t uma vez que o balaceamento eacute essencial para reduzir o vieacutes de
seleccedilatildeo amostral conforme sugerido por Rosenbaum e Rubin (1985)
( )
radic ( ( ) ( ))
( )
radic ( ( ) ( ))
onde satildeo respectivamente as meacutedias e variacircncias dos grupos de tratamento e
controle antes do pareamento ser realizado enquanto que referem-se as
meacutedias e variacircncias depois do pareamento
Assim somente o vieacutes natildeo determina que o pareamento foi realizado de maneira
correta O test-t verifica se haacute diferenccedilas de meacutedias das variaacuteveis disponiacuteveis para os dois
grupos Dado que a hipoacutetese nula para o teste t eacute de que as meacutedias sejam iguais em caso de
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
38
natildeo rejeiccedilatildeo da hipoacutetese nula pode-se dizer que os grupos de tratamento e controle estatildeo na
situaccedilatildeo esperada
35 Procedimento para implementaccedilatildeo do Propensity Score Matching
Nesta seccedilatildeo eacute descrito o procedimento adotado pelo Propensity Score Matching para
avaliar o impacto da adoccedilatildeo do manejo integrado de praga na produtividade da cana-de-
accediluacutecar no estado de Satildeo Paulo O processo pode ser dividido em quatro etapas
1 Estimaccedilatildeo do propensity score por meio de modelos binaacuterios de escolha (Probit
ou logit) podemos estimar os propensity scores Caliendo e Kopeinig (2008)
destacaram natildeo haver muita diferenccedila na estimaccedilatildeo da probabilidade pelos dois
modelos uma vez que estes devem produzir resultados similiares Neste trabalho
foi utilizado o modelo logit para a estimaccedilatildeo do propensity score
2 Escolha do algoritmo de pareamento Uma vez calculado o propensity score eacute
necessaacuterio escolher um algoritmo de pareamento do grupo de tratado com o
grupo de controle baseado na proximidade dos propensity scores Utilizou-se o
pareamento por vizinho mais proacuteximo um para um sem reposiccedilatildeo (NNM 1-1)
como principal resultado do impacto da adoccedilatildeo de MIP na produtividade da
cana Como checagem de robustez estimou-se tambeacutem os modelos NNM 1-5
NNM com calibre Kernel Local Linear e Covariate Matching
3 Checagem do suporte comum De acordo com Caliendo e Kopeinig (2008) as
observaccedilotildees que tenham o propensity score menores que o miacutenimo e maior que
um maacuteximo no grupo oposto satildeo removidos da amostra Neste caso satildeo
descartados os propensity scores fora do suporte comum
4 Avaliaccedilatildeo a qualidade do pareamento Como o pareamento leva em consideraccedilatildeo
o propensity score e natildeo as variaacuteveis observadas individualmente eacute preciso
checar se a distribuiccedilatildeo das variaacuteveis estatildeo balanceadas entre os grupos de
tratamento e controle Rosenbaum e Rubin (1985) recomendaram checar o vieacutes
padronizado e o test-t como indicadores de qualidade do pareamento
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
39
4 BASE DE DADOS
Em 199596 teve iniacutecio o Levantamento Censitaacuterio de Unidades de Produccedilatildeo
Agropecuaacuterias (Projeto LUPA) que foi realizado para o Estado de Satildeo Paulo A pesquisa
consistiu em um questionaacuterio aplicado a cada Unidade de Produccedilatildeo Agropecuaacuteria (UPA)
considerando 645 municiacutepios e abrangendo as exploraccedilotildees vegetais e animais poreacutem as
atividades de extrativismo foram desconsideradas Os dados utilizados nesta pesquisa provecircm
do projeto LUPA iniciado em junho de 2007 com conclusatildeo em setembro de 2008 referente
ao ano agriacutecola de 20072008
Como os dados satildeo referentes ao Estado de Satildeo Paulo existe uma limitaccedilatildeo na criaccedilatildeo
do grupo de controle por natildeo existir outros estados que possam servir como contra factual
Os dados cross-section foram coletados para 46205 unidades de produccedilatildeo
agropecuaacuteria em Satildeo Paulo referente agrave safra 200708 O grupo de tratamento foi construiacutedo
com um total de 1429 UPAs (consideradas adotantes da tecnologia Manejo Integrado de
pragas) enquanto que o grupo de natildeo tratados apresentou 44776 UPAs natildeo adotantes do
MIP De acordo com a definiccedilatildeo apresentada no levantamento censitaacuterio (LUPA) utilizar
teacutecnicas de MIP consiste em um sistema de controle de pragas que integra meacutetodos
bioloacutegicos e quiacutemicos por meio do uso de agrotoacutexicos seletivos em aplicaccedilotildees localizadas
apenas onde e quando o monitoramento indicar que a infestaccedilatildeo atinge o niacutevel limiar de dano
econocircmico
Foram excluiacutedas as UPAs que apresentaram produtividade abaixo de 30 tonha e
acima de 160 tonha matildeo-de-obra familiar menor que 20 trabalhadores matildeo-de-obra
permanente de no maacuteximo 500 trabalhadores as UPAs que declararam natildeo ter renda
totalmente proveniente de atividade agriacutecola aleacutem daquelas que natildeo declararam alguma
caracteriacutestica expressa no questionaacuterio A descriccedilatildeo das variaacuteveis utilizadas encontra-se na
Tabela 1
Dessa forma pretendeu-se verificar se o uso da tecnologia mais especificamente do
manejo integrado de pragas nas culturas produz ou natildeo algum impacto positivo na
produtividade da cana de accediluacutecar
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
40
Tabela 1 Descriccedilatildeo das variaacuteveis utilizadas
Variaacuteveis Definiccedilatildeo
Reside UPA Variaacutevel Binaacuteria 1- reside na UPA 0 - caso contraacuterio
Renda Percentual correspondente agrave participaccedilatildeo da atividade agropecuaacuteria na renda total do
proprietaacuterio
Produtividade Quantidade produzida em kilos por hectare
Aacuterea Cultura Corresponde ao total da aacuterea ocupada com cana-de-accediluacutecar
Cultura Temporaacuteria Corresponde ao total da aacuterea ocupada com cultura temporaacuteria
Irrigaccedilatildeo Variaacutevel Binaacuteria 1- utiliza irrigaccedilatildeo 0 - caso contraacuterio
Colheita Manual Variaacutevel Binaacuteria 1- utiliza colheita manual 0- caso contraacuterio
Colheita Mecacircnica Variaacutevel Binaacuteria 1- utiliza maacutequinas e colheitadeiras 0- caso contraacuterio
Plantio Direto Variaacutevel Binaacuteria 1- cultivo atraveacutes de plantio direto 0- caso contraacuterio
Orgacircnico Transiccedilatildeo Variaacutevel Binaacuteria 1-cultivo de forma orgacircnica ou se estaacute em transiccedilatildeo para ser
orgacircnica 0- caso contraacuterio
Cooperado Variaacutevel Binaacuteria 1- Participa de uma cooperativa 0- caso contraacuterio
Associado Variaacutevel Binaacuteria 1- Participa de uma associaccedilatildeo formal 0- caso contraacuterio
Sindicalizado Variaacutevel Binaacuteria 1- Participa de sindicato de produtores rurais 0- caso contraacuterio
AT Oficial Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica governamental 0- caso contraacuterio
AT Privada Variaacutevel Binaacuteria 1- Se recebe assistecircncia teacutecnica privada 0- caso contraacuterio
Creacutedito Rural Variaacutevel Binaacuteria 1- Utilizou creacutedito rural nos uacuteltimos 12 meses 0- caso contraacuterio
Seguro rural Variaacutevel Binaacuteria 1- Utilizou seguro rural nos uacuteltimos 12 meses 0- caso contraacuterio
Escrituraccedilatildeo Variaacutevel Binaacuteria 1- Se eacute feita regularmente a escrituraccedilatildeo agriacutecola 0- caso contraacuterio
Energia Eleacutetrica Variaacutevel Binaacuteria 1- Utiliza energia eleacutetrica 0- caso contraacuterio
Faz MIP Variaacutevel Binaacuteria 1- Utiliza Manejo Integrado de Pragas (MIP) 0- caso contraacuterio
Mudas Fiscalizadas Variaacutevel Binaacuteria 1- utiliza mudas fiscalizadas 0- caso contraacuterio
Adubaccedilatildeo Mineral Variaacutevel Binaacuteria 1- Utiliza adubos simples farelados ou granulados 0-
casocontraacuterio
AdubaccedilatildeoVerde Variaacutevel Binaacuteria 1- Utiliza adubaccedilatildeo verde 0- caso contraacuterio
Conservaccedilatildeo de solo Variaacutevel Binaacuteria 1- Utiliza praacuteticas de conservaccedilatildeo de solo 0- caso contraacuterio
Anaacutelise de solo Variaacutevel Binaacuteria 1- Utiliza anaacutelises de solo 0- caso contraacuterio
Computador Variaacutevel Binaacuteria 1- Utiliza computador na UPA 0- caso contraacuterio
Internet Variaacutevel Binaacuteria 1- Utiliza internet para coletar informaccedilotildees 0- caso contraacuterio
Arrendamento Variaacutevel Binaacuteria 1- Se a aacuterea cultiva estaacute em forma de arrendamento ou parceria 0-
caso contraacuterio
Aacuterea Descanso Variaacutevel Binaacuteria 1- Terras nao cultivaveacuteis no periacuteodo entre safra (Pousio) 0- caso
contraacuterio
MO Familiar Nuacutemero de familiares do proprietaacuterio ou produtor que trabalham na UPA
MO Permanente Nuacutemero de trabalhadores permanentes (assalariados) que trabalham no imoacutevel
Escolaridade 1 Variaacutevel Binaacuteria 1- Sem instruccedilatildeo 0- caso contraacuterio
Escolaridade 2 Variaacutevel Binaacuteria 1- Primaacuterio completo 0-caso contraacuterio
Escolaridade 3 Variaacutevel Binaacuteria 1- 1ordm grau completo 0- caso contraacuterio
Escolaridade 4 Variaacutevel Binaacuteria 1- 2ordm grau completo 0- caso contraacuterio
Escolaridade 5 Variaacutevel Binaacuteria 1- Superior Completo 0- caso contraacuterio
Fonte Elaboraccedilatildeo proacutepria a partir de dados do LUPA 200708
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
41
5 ANAacuteLISE E DISCUSSAtildeO DE RESULTADOS
51 Resultados do Propensity Score Matching
Para analisar o impacto da adoccedilatildeo da tecnologia na produtividade da cana-de-accediluacutecar
no estado de Satildeo Paulo eacute necessaacuterio que exista um conjunto de UPAs que natildeo adotaram a
tecnologia cujo impacto seraacute avaliado (MIP) mas que possuam as mesmas caracteriacutesticas
observaacuteveis dos que aderiram agrave tecnologia Portanto foram selecionados no presente trabalho
as caracteriacutesticas que possibilitaram comparar os adotantes e natildeo adotantes do Manejo
Integrado de Pragas
A tabela 2 apresenta as meacutedias e desvios padrotildees das variaacuteveis utilizadas para calcular
a probabilidade de adotar o MIP entre todas as UPAs produtoras de cana-de-accediluacutecar no estado
de Satildeo Paulo (adotantes e natildeo adotantes) de acordo com os dados do LUPA
A meacutedia da produtividade em toneladas por hectare eacute maior para o grupo de tratados
em comparaccedilatildeo com o grupo dos que natildeo foram tratados O primeiro atingiu meacutedia de 8719
tha enquanto que o segundo grupo 7728 tha A proporccedilatildeo de UPAs que utilizaram creacutedito
rural e mudas fiscalizadas tambeacutem eacute maior para o grupo de tratados e aleacutem disso a utilizaccedilatildeo
de teacutecnicas de anaacutelise e conservaccedilatildeo de solo eacute maior para este grupo A anaacutelise dos dados
sugere portanto uma produtividade maior do grupo dos que usaram o Manejo Integrado de
Pragas na produccedilatildeo de cana-de-accediluacutecar
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
42
Tabela 2 Estatiacutestica Descritiva das variaacuteveis
Variaacutevel Tratado Natildeo Tratado
Meacutedia Desvio Padrao Meacutedia Desvio Padratildeo
Reside_Upa 0188 0391 0286 0452
Renda 69756 32938 61848 36881
Area_Cultura 91537 228637 42390 125910
Produtividade 8719808 1601326 7728065 2165583
Irrigaccedilatildeo 0015 0123 0006 0078
Colheita_Manual 0874 0332 0925 0263
Colheita_Mecacircnica 0355 0479 0170 0376
Plantio_Direto 0007 0834 0009 0966
Orgacircnico_Transiccedilatildeo 0001 0026 0001 0347
Cooperado 0571 0495 0385 0487
Associado 0379 0485 0286 0452
Sindicalizado 0390 0488 0316 0465
AT_Oficial 0615 0487 0559 0497
AT_Privada 0705 0456 0401 0490
Creacutedito_Rural 0363 0481 0195 0396
Seguro_Rural 0134 0340 0366 0188
Escrituraccedilatildeo 0720 0449 0352 0478
Energia Eleacutetrica 0814 0389 0781 0414
Mudas Fiscalizadas 0600 0490 0258 0438
Adubaccedilatildeo_Mineral 0945 0229 0731 0443
Adubaccedilatildeo_Verde 0171 0377 0069 0254
Conservaccedilatildeo_Solo 0953 0211 0741 0438
Usa_Computador 0213 0410 0073 0259
Anaacutelise_Solo 0903 0295 0484 0500
Internet 0244 0430 0077 0267
Arrendamento Parceria 0128 0334 0134 0341
Cultura Temporaacuterio 98516 241158 44665 130767
Aacuterea Descanso 0583 5087 0336 5422
Mo_Familiar 1206 1247 1343 1241
Mo_Permanentes 2051 5578 0860 5234
Escolaridade 1 0364 0187 0709 0257
Escolaridade 2 0308 0462 0417 0493
Escolaridade 3 0134 0340 0122 0327
Escolaridade 4 0196 0397 0165 0371
Escolaridade 5 0326 0469 0225 0417
Nuacutemero de observaccedilotildees 1429 44776
Fonte LUPA 0708
A tabela 3 apresenta os resultados da Matriz de Correlaccedilatildeo entre as principais
variaacuteveis Percebe-se que a correlaccedilatildeo existente entre utilizar as teacutecnicas do manejo integrado
de pragas e os niacuteveis de escolaridade satildeo crescentes ou seja a chance de encontrar UPAs que
utilizaram a tecnologia eacute maior para aquelas cujo produtor tem niacutevel de instruccedilatildeo mais
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
43
elevado e vice-versa Constata-se que para o niacutevel de escolaridade 1 a correlaccedilatildeo foi negativa
Quanto a outras variaacuteveis observadas no modelo pode-se ver que o uso de mudas
fiscalizadas conservaccedilatildeo e anaacutelise de solo satildeo usados com mais frequecircncia pelas UPAs
adotantes do MIP
Mesmo tendo uma correlaccedilatildeo de 0145 para anaacutelise de solo e 0085 para
conservaccedilatildeo de solo por exemplo natildeo se pode inferir sobre a significacircncia dessas
correlaccedilotildees dado que se tem 22971 UPAs que utilizam teacutecnicas de anaacutelise de solo e 34540
UPAs conservaccedilatildeo de solo contra uma amostra de 1429 UPAs que adotaram o manejo
integrado de pragas
Tabela 3 Matriz de Correlaccedilatildeo
Faz_mip Mudas_Fiscalizadas Adubaccedilatildeo_Mineral Conservaccedilatildeo_Solo Anaacutelise_Solo
Faz_mip 1000
Mudas_Fiscalizadas 0133 1000
Adubaccedilatildeo_Mineral 0084 0249 1000
Conservaccedilatildeo_Solo 0085 0204 0394 1000
Anaacutelise_Solo 0145 0234 0376 0452 1000
Escolaridade 1 -0023 -0041 -0055 -0104 -0010
Escolaridade 3 0006 -0008 -0021 -0011 -0009
Escolaridade 4 0014 0014 0028 0050 0058
Escolaridade 5 0042 0058 0083 0120 0110
Fonte Elaboraccedilatildeo proacutepria
Conforme a metodologia apresentada utilizou-se entatildeo o modelo loacutegite2 para a
estimaccedilatildeo da probabilidade de uma Unidade de Produccedilatildeo Agropecuaacuteria (UPA) adotar o
manejo integrado de pragas (MIP) A partir das variaacuteveis apresentadas na tabela 1 o modelo
loacutegite foi estimado (Tabela 4) sendo a variaacutevel dependente ldquoFAZ_MIPrdquo (binaacuteria)
Para identificar o impacto da adoccedilatildeo da tecnologia (Manejo Integrado de Pragas)
deve-se estimar a probabilidade de recebimento do tratamento tanto para os adotantes quanto
para os natildeo adotantes da tecnologia O objetivo eacute encontrar uma relaccedilatildeo entre a probabilidade
de adotar a tecnologia do manejo integrado de pragas e as caracteriacutesticas observaacuteveis das
UPAs As variaacuteveis de controle selecionadas para a estimaccedilatildeo do propensity score satildeo as
mesmas usadas para a composiccedilatildeo dos grupos de tratamento e controle
De acordo com os resultados da Tabela 4 nem todos os coeficientes foram
significativos para explicar a probabilidade das UPAs utilizarem o manejo integrado de
2 Entre o modelo loacutegit e proacutebit empregou-se o modelo de escolha binaacuteria logit por ter se mostrado
estatisticamente significativo nas principais variaacuteveis observadas
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
44
pragas poreacutem foram suficientes para que o modelo apresentasse um grau de robustez acerca
do niacutevel de significacircncia dos coeficientes tomados individualmente
Tabela 4 Resultados do Modelo Binaacuterio Loacutegite
Variaacutevel Coeficiente Desvio Padratildeo Pgt z
Reside upa 00199777 00778308 0797
Renda 00023205 00008889 0009
Area Cultura -00003474 00006494 0593
Irrigaccedilatildeo 06244062 02467188 0011
Colheita Manual 03452796 0101106 0001
Colheita Mecanica 06810762 00725559 0000
Plantio Direto -02305685 03396046 0497
Organico Transicao -03222278 1032516 0755
Cooperado 01278078 00644406 0047
Associado -01984076 0640228 0002
Sindicalizado -03644765 00633864 0000
AT Oficial 00046117 00594598 0938
AT Privada 04847959 00645875 0000
Credito Rural 0269886 00658809 0000
Seguro Rural 02756741 00938526 0003
Escrituracao 08461566 00651411 0000
Energia Eletrica 04308529 0073718 0000
Mudas Fiscalizadas 08011153 0059348 0000
Adubacao Mineral 05514851 01237108 0000
Adubacao Verde 03489271 00800004 0000
Conservacao de Solo 02439361 01379756 0077
Analise de Solo 1494277 0098497 0000
Usa Computador -02282474 01018872 0025
Internet 05829775 00949814 0000
Arrendamento Parceiro -03475948 00844242 0000
Cultura Temporaacuteria 00001939 00005951 0745
Area Descanso 00005907 00036077 0870
MO_Familiares -0657143 00266416 0014
MO_Permanentes 00019167 00028105 0495
Escolaridade 1 01154856 01526968 0449
Escolaridade 3 01881537 00921628 0041
Escolaridade 4 0612615 00835891 0464
Escolaridade 5 061012 00798724 0445
Intercepto -7294401 02112261 0000
Nuacutemero da Amostra 46205 Variaacutevel Dependente FAZ_MIP
LR chi2 = 230795 Prob gt chi2 = 00000 Pseudo R2 = 01810
Fonte
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
45
Percebe-se que por exemplo o uso da colheita mecacircnica o acesso ao creacutedito rural o
uso de mudas fiscalizadas adubaccedilatildeo verde e anaacutelise de solo aumentam a probabilidade da
UPA em adotar o Manejo Integrado de Pragas (dados pelos coeficientes do modelo loacutegite) O
fato de utilizar o serviccedilo de assistecircncia teacutecnica privada tambeacutem influencia positivamente na
probabilidade de adotar o MIP aleacutem de variaacuteveis como a utilizaccedilatildeo de energia eleacutetrica e o
acesso agrave internet
Por outro lado observaram-se tambeacutem coeficientes estatisticamente significativos ao
niacutevel de 1 cujas variaacuteveis diminuem a probabilidade de adotar a tecnologia como por
exemplo o fato de ser associado ou sindicalizado produzir sob arrendamento ou parceria
O nuacutemero de UPAs tratadas (adotantes do MIP) e controle (natildeo adotantes do MIP)
dentro do suporte comum satildeo relativamente grandes com 1429 no grupo de tratado (treated)
e 44776 no grupo de controle (untreated) A aderecircncia do matching eacute apresentada na figura 6
que mostra um histograma do escore de propensatildeo satisfazendo a condiccedilatildeo de suporte
comum pois existe uma sobreposiccedilatildeo das distribuiccedilotildees dos propensity score nos dois grupos
Figura 6 Histograma da Aacuterea de suporte comum
0 2 4 6Propensity Score
Untreated Treated On support
Treated Off support
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
46
O principal objetivo do matching eacute tornar o mais semelhante possiacutevel as distribuiccedilotildees
de probabilidade do grupo de tratamento com o grupo de controle ou seja construir um grupo
dos que natildeo adotaram o manejo integrado de pragas mas que eacute estatisticamente muito
parecido com aqueles que o adotaram
Apoacutes gerar os escores de propensatildeo obtidos por meio do modelo loacutegite eacute possiacutevel
calcular as diferenccedilas de meacutedias a partir do Efeito Meacutedio do Tratamento sobre os Tratados
(EMTT) com o meacutetodo de pareamento one-to-one por vizinho mais proacuteximo e sem reposiccedilatildeo
Destaca-se que apenas trecircs observaccedilotildees ficaram fora do suporte comum estando as demais
46202 observaccedilotildees na regiatildeo de suporte Os resultados encontram-se na tabela 5
Tabela 5 PSM com pareamento one-to-one (NNM 1) sem reposiccedilatildeo
Amostra
Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Erro
Padratildeo Valor t
Natildeo Pareada 8719808 7728065 991743 57785 1716
EMTT 8718517 8424909 293609 65634 447
Variaacutevel de Resultado Produtividade_Kg_Ha Fonte Elaboraccedilatildeo proacutepria
Notas Estatisticamente Significativo a 1
Estatisticamente Significativo a 5
Estatisticamente Significativo a 10
O algoritmo one-to-one encontra apenas um controle para cada UPA com escore de
propensatildeo mais proacuteximo do escore da UPA que adotou a tecnologia Foi estimado um
pareamento sem reposiccedilatildeo que para cada UPA no grupo de controle pareia apenas uma vez
com uma outra do grupo de tratado
Conforme os resultados o grupo de tratamento pareado tem em meacutedia uma
produtividade em quilogramas por hectare maior do que a meacutedia do grupo de controle no
periacuteodo analisado Os dados corroboram a percepccedilatildeo de um impacto positivo no grupo de
tratamento (UPAs que utilizaram o MIP) indicando aumento da produtividade de cana-de-
accediluacutecar de aproximadamente 29 toneladas por hectare O valor t indica que o EMTT eacute
significativo ao niacutevel de 1
Quando haacute diferenccedilas estatisticamente significativas entre as caracteriacutesticas
observaacuteveis entre o grupo de tratamento e o de controle a hipoacutetese dos grupos estarem
balanceados eacute violada gerando estimativas tendenciosas do real impacto da adoccedilatildeo de
tecnologia Dessa maneira se antes do matching haacute diferenccedilas de meacutedias espera-se que essas
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
47
desapareccedilam apoacutes o matching Esta comparaccedilatildeo pode ser observada nos resultados da Tabela
6
Depois de estimados os propensity scores pode-se analisar o balanceamento das
variaacuteveis observadas Observa-se pelos testes t que as covariadas estatildeo bem balanceadas e o
balanceamento entre os grupos de tratamento e controle geram substancial reduccedilatildeo do vieacutes
principalmente para as variaacuteveis Irrigaccedilatildeo Creacutedito Rural e Mudas Fiscalizadas que tiveram
reduccedilatildeo de 100 Dessa maneira para os testes de impacto o matching eacute mais adequado que
a amostra natildeo pareada
Tabela 6 Teste de Qualidade do PSM com pareamento NNM 1-1 sem reposiccedilatildeo
(continua)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
RESIDE_UPA Natildeo Pareada 018824 028618 -232
-809 0000
Pareada 018864 019355 -12 95 -033 0739
RENDA Natildeo Pareada 69756 61848 226
800 0000
Pareada 6971 68944 22 903 061 0544
AREA_CULTURA Natildeo Pareada 91537 4239 266
1404 0000
Pareada 91328 88203 17 936 041 0683
IRRIGACAO Natildeo Pareada 00154 000616 89
429 0000
Pareada 001332 001332 0 100 000 1000
COLHEITA_MANUAL Natildeo Pareada 087404 092534 -171
-720 0000
Pareada 087377 087237 05 973 011 0910
COLHEITA_MECANICA Natildeo Pareada 035549 017009 431
1819 0000
Pareada 035484 034222 29 932 071 0480
PLANTIO_DIRETO Natildeo Pareada 0007 000942 -27
-094 0348
Pareada 000701 000701 0 100 000 1000
ORGANICO_TRANSICAO Natildeo Pareada 00007 000121 -16
-055 0585
Pareada 00007 00007 0 100 000 1000
COOPERADO Natildeo Pareada 057103 03848 379
1424 0000
Pareada 057013 056872 03 992 008 0940
ASSOCIADO Natildeo Pareada 037859 028634 197
758 0000
Pareada 037868 035133 58 704 152 0129
SINDICALIZADO Natildeo Pareada 038978 031557 156 593 0000
Pareada 03906 037518 32 792 085 0397
AT_OFICIAL Natildeo Pareada 061512 05586 115 424 0000
Pareada 061501 05988 33 715 088 0378
AT_PRIVADA Natildeo Pareada 070469 040104 641 2310 0000
Pareada 070407 068233 46 928 126 0208
CREDITO_RURAL Natildeo Pareada 036319 019515 381 1566 0000
Pareada 036255 036255 00 1000 -000 1000
SEGURO_RURAL Natildeo Pareada 013366 03665 353 1857 0000
Pareada 013324 013604 -10 971 -022 0826
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
48
(conclusatildeo)
Variaacutevel Amostra Tratamento Controle vieacutes reduccedilatildeo vieacutes valor t pgtt
ESCRITURACAO Natildeo Pareada 072008 035177 795 2875 0000
Pareada 07195 072861 -20 975 -054 0586
ENERGIA_ELETRICA Natildeo Pareada 081386 078075 82 298 0003
Pareada 081346 081837 -12 852 -034 0735
MUDAS_FISCALIZADAS Natildeo Pareada 059982 025824 735 2892 0000
Pareada 059888 059888 00 1000 -000 1000
ADUBACAO_MINERAL Natildeo Pareada 094482 073137 605 1812 0000
Natildeo Pareada 09446 09467 -06 990 -025 0804
ADUBACAO_VERDE Pareada 017145 06939 317 1468 0000
Natildeo Pareada 017111 015077 63 801 148 0140
CONSERVACAO_SOLO Pareada 095311 074098 617 1824 0000
Natildeo Pareada 095302 096213 -27 957 -121 0227
ANALISE_SOLO Natildeo Pareada 090343 048419 1021 3154 0000
Pareada 090323 090112 05 995 019 0850
USA_COMPUTADOR Natildeo Pareada 021344 007258 411 1975 0000
Pareada 021388 021879 -14 965 -032 0750
INTERNET Natildeo Pareada 024423 007718 467 2274 0000
Natildeo Pareada 024264 025175 -25 945 -056 0573
ARREND_PARCEIRO Pareada 012806 013449 -19 -070 0483
Natildeo Pareada 012833 013254 -12 346 -033 0739
CULTURA_TEMPORARIA Pareada 98516 44665 278 1479 0000
Natildeo Pareada 98322 93182 26 905 063 0526
AREA_DESCANSO Natildeo Pareada 058341 033566 47 170 0088
Pareada 058464 035189 44 61 138 0167
MO_FAMILIARES Natildeo Pareada 12057 13431 -110 -412 0000
Pareada 12062 11697 29 735 082 0412
MO_PERMANENTES Natildeo Pareada 20511 086044 168 825 0000
Natildeo Pareada 20407 21388 -14 918 -028 0778
Escolaridade1 Pareada 03639 007086 -153 -504 0000
Natildeo Pareada 03647 004067 -19 878 -058 0560
Escolaridade3 Pareada 013366 012198 35 133 0185
Natildeo Pareada 013394 013675 -08 760 -022 0827
Escolaridade4 Natildeo Pareada 019594 016533 80 306 0002
Pareada 019565 018583 26 679 067 0505
Escolaridade5 Natildeo Pareada 03261 022458 229 902 0000
Pareada 032609 034292 -38 834 -095 0341
Fonte Elaboraccedilatildeo proacutepria
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
49
Diante dos resultados apresentados na Tabela 6 nota-se uma reduccedilatildeo do vieacutes na
maioria das variaacuteveis observadas para a amostra pareada e a natildeo rejeiccedilatildeo da hipoacutetese nula
referente ao teste de comparaccedilatildeo de meacutedias entre os grupos de tratamento e controle3 Para
algumas variaacuteveis a hipoacutetese nula natildeo foi aceita sendo elas plantio direto orgacircnico
transiccedilatildeo arrendamento parceiro e escolaridade 3 Portanto conclui-se que o matching eacute um
modelo adequado para testar o impacto do MIP na produtividade com a amostra natildeo-pareada
Para o teste conjunto das variaacuteveis reportado na Tabela 7 os resultados
apresentaram reduccedilatildeo do valor meacutedio do vieacutes com diminuiccedilatildeo significativa do valor Qui-
quadrado Aleacutem disso o valor p resultante foi suficiente para que a hipoacutetese nula de igualdade
de meacutedias entre os grupos natildeo fosse rejeitada
Tabela 7 Teste Conjunto
Teste Conjunto
Amostra Pseudo Rsup2 LR Chi2 pgtChi2 Valor meacutedio do vieacutes Valor Mediano do vieacutes
Natildeo Pareada 0181 231047 0000 303 229
Pareada 0004 1685 0982 20 17 Fonte Elaboraccedilatildeo proacutepria
O valor do Pseudo Rsup2 expressa o poder dos regressores em explicar a probabilidade de
uma UPA adotar o manejo integrado de pragas Assim apoacutes realizado o matching natildeo
deveria haver diferenccedilas sistemaacuteticas entre os grupos e o pseudo Rsup2 seria baixo De fato a
tabela 7 mostra uma reduccedilatildeo do pseudo-Rsup2 de 0181 para 0004 o que sugere a robustez das
estimativas
Portanto pode-se concluir que a adoccedilatildeo do manejo integrado de pragas apresentou
efeitos positivos na produtividade da cana-de-accediluacutecar das UPAs no Estado de Satildeo Paulo e de
acordo com os testes de balanceamento e conjunto o vieacutes das variaacuteveis observadas foi
reduzido e o teste conjunto se mostrou coerente com a metodologia proposta
52 Anaacutelise de Robustez
A principal questatildeo metodoloacutegica do trabalho eacute conseguir encontrar um grupo que
represente um bom contrafactual para as unidades de produccedilatildeo agropecuaacuterias que adotaram o
manejo integrado de pragas ou seja que represente qual seria o a produtividade da UPA se
ela natildeo tivesse adotado o MIP O meacutetodo apresentado ateacute aqui criou um grupo de comparaccedilatildeo
3 No trabalho definiu-se a hipoacutetese nula como sendo a diferenccedila das meacutedias igual a zero Espera-se que antes do
pareamento as meacutedias sejam diferentes
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
50
com base no propensity score dado um conjunto de caracteriacutesticas observadas nas UPAs Os
resultados encontrados indicaram um efeito positivo da adoccedilatildeo do MIP na cultura da cana-de-
accediluacutecar
Para se obter um resultado mais consistente possiacutevel sobre os impactos do MIP na
produtividade da cana foi feita uma checagem de robustez do resultado encontrado A anaacutelise
considerou quatro diferentes meacutetodos de pareamento sendo eles Vizinho mais proacuteximo com
calibre de 001184 Kernel Local Linear e Covariate Matching
Os resultados da avaliaccedilatildeo de impacto do MIP na produtividade da cana com
diversos meacutetodos de pareamento estatildeo na tabela 9 Observa-se que se natildeo for utilizado
nenhum meacutetodo de pareamento ou seja considerar a amostra natildeo pareada o resultado obtido
eacute uma diferenccedila de 99 toneladas por hectare a mais para o grupo que adotou o MIP na safra
de 200708
Tabela 8 Avaliaccedilatildeo de impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar
Meacutetodo de Pareamento Grupo de
Tratamento
Grupo de
Controle Diferenccedila
Desvio
Padratildeo Valor t
Sem Pareamento 8719808 7728065 991743 57785 1716
Vizinho mais proacuteximo sem
Caliper 8718517 8424909 293609 65634 447
Vizinho mais proacuteximo com
Caliper (00118) 8718517 8400046 318472 46775 681
Kernel (Bandwidth=00218)5 8718517 8270866 447651 46075 972
Local Linear
(Bandwidth=00218) 8718517 8374131 344386 46812 736
Emparelhamento (Covariate
Matching) 8719808 8511623 208185 74218 281
Notas Estatisticamente Significativo a 1 O valor da janela oacutetima (Bandwidth) eacute definido como o nuacutemero
de observaccedilotildees total da amostra elevado a menos 02
Contudo ao comparar as amostras pareadas a variaccedilatildeo da produtividade eacute menor ndash
em torno de 29 tonha a 44 tonha dependendo do algoritmo utilizado no emparelhamento ndash
embora todos os valores tenham apresentado niacuteveis de significacircncia estatiacutestica Portanto com
4 De acordo com Rosenbaum e Rubin (1983) o tamanho do calibre eacute definido como frac14 do desvio padratildeo do
propensity score 5 Para Henderson e Parmeter (2015) o bandwidth oacutetimo eacute meio arbitraacuterio e procura minimizar o trade-off entre
vieacutes e variacircncia
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
51
base nos resultados a hipoacutetese de haver impacto positivo da utilizaccedilatildeo do manejo integrado
de pragas na cultura da cana-de-accediluacutecar encontra respaldo nos resultados do modelo
Dentre os meacutetodos acima analisados o Kernel foi que apresentou o maior incremento
de produtividade (4476 kilogramasha) sendo estatisticamente significativo ao niacutevel de 1
Ao utilizar o Covariate Matching que natildeo leva em consideraccedilatildeo os propensity scores
estimados o aumento da produtividade estimado foi de cerca de 2081 kgha
Para o teste de balanceamento foram analisados na tabela 9 os cinco modelos
alternativos propostos Para estes os resultados confirmaram a hipoacutetese inicial do trabalho de
impacto positivo do MIP na produtividade da cana-de-accediluacutecar ou seja para a safra 0708 a
produtividade foi significativamente maior (entre 208 tonha e 447 tonha a mais) para as
unidades de produccedilatildeo agropecuaacuteria adotantes do manejo integrado de pragas Os resultados da
avaliaccedilatildeo ficaram estatisticamente robustos e com estimativas de impacto relativamente
proacuteximas na comparaccedilatildeo entre os diferentes algoritmos de matching
Dos diferentes algoritmos utilizados para a checagem de robustez todos foram
capazes de reduzir substancialmente o vieacutes das variaacuteveis observadas sendo que na maioria
delas natildeo se rejeitou a hipoacutetese nula do trabalho Portanto o manejo integrado de pragas
proporciona um aumento na produtividade da cana-de-accediluacutecar independentemente do modelo
de pareamento utilizado
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
52
Tabela 9 Estatiacutesticas de Balanceamento entre adotantes e natildeo-adotantes do MIP
Vizinho mais
proacuteximo 1-5
Vizinho mais
proacuteximo com
Caliper
Kernel Local Linear Covariate
matching
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Vieacutes em
p-
value
Area_Cultura 898 052 928 066 805 023 941 072 696 006
Irrigaccedilatildeo 909 084 893 082 821 069 931 088 100 100
Colheita_Manual 995 098 976 092 86 056 991 097 905 069
Colheita_Mecacircnica 941 054 943 056 816 005 945 057 902 031
Plantio_Direto 422 064 926 096 663 080 811 089 100 100
Orgacircnico_Transiccedilatilde
o 169 071 877 095 757 091 867 095 100 100
Cooperado 968 075 95 061 799 004 934 051 974 079
Associado 886 056 935 074 783 027 923 069 962 085
Sindicalizado 926 076 905 070 75 031 883 063 859 057
AT_Oficial 908 078 924 081 772 048 922 081 715 038
AT_Privada 976 067 961 049 801 000 948 036 961 049
Creacutedito_Rural 979 085 965 074 839 013 969 077 904 037
Seguro_Rural 98 088 962 077 852 025 972 083 957 074
Escrituraccedilatildeo 989 082 984 072 824 000 978 063 949 027
Energia Eleacutetrica 809 067 933 088 931 088 943 090 514 026
Mudas_Fiscaliza
das 983 075 972 060 831 000 975 065 93 020
Adubaccedilatildeo Mineral 982 065 95 024 764 000 903 003 997 094
Adubaccedilatildeo Verde 90 046 896 045 80 014 913 053 849 027
Conservaccedilatildeo 989 076 947 018 758 000 898 001 977 053
Analise_Solo 100 099 967 022 771 000 924 001 973 032
Usa_Computador 968 077 949 064 835 012 968 077 97 078
Internet 976 081 953 062 845 010 972 077 933 048
Areendamento_Par
ceiro -03 060 463 078 569 082 311 072 -183 013
Cultura_Temporaacuteri
a 895 050 921 062 802 021 936 069 692 005
Area_Descanso 609 075 779 083 709 076 828 087 -4 014
MO_Familiares 985 096 972 093 784 051 919 081 435 008
MO_Permanentes 931 083 905 076 808 053 925 082 544 006
Escolaridade 1 100 100 975 090 807 036 963 086 100 100
Escolaridade 3 844 089 876 091 749 082 867 090 -139 029
Escolaridade 4 931 089 923 087 782 065 924 088 794 067
Escolaridade 5 996 098 981 092 834 033 976 089 883 050
Fonte Elaboraccedilatildeo proacutepria
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
53
Para o teste conjunto de todas as variaacuteveis apenas o meacutetodo de Kernel natildeo apresentou
um pgtChisup2 proacuteximo de um poreacutem o pseudo Rsup2 e o valor meacutedio do vieacutes tiveram ajustes
aceitaacuteveis estatisticamente
Tabela 10 Teste Conjunto de Balanceamento para os diferentes meacutetodos de pareamento
Teste Conjunto
Meacutetodo de Pareamento Amostra Pseudo Rsup2
LR
Chi2 pgtChi2
Valor meacutedio
do vieacutes
Valor Mediano
do vieacutes
Vizinho mais proacuteximo
1-1 sem reposiccedilatildeo
Nao Pareada 0181 23014 0000 303 229
Pareada 0004 1685 0982 20 17
Vizinho mais proacuteximo
1-5
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 12 11
Vizinho mais proacuteximo
com Caliper
Nao Pareada 0181 23014 0000 303 229
Pareada 0001 394 1000 15 13
Kernel Nao Pareada 0181 23014 0000 303 229
Pareada 0018 7046 0000 59 43
Local Linear Nao Pareada 0181 23014 0000 303 229
Pareada 0003 1188 0999 18 13
Covariate Matching Nao Pareada 0181 23014 0000 303 229
Pareada 0007 2768 0637 31 27
Fonte Elaboraccedilatildeo proacutepria
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
54
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
55
6 CONSIDERACcedilOtildeES FINAIS
Aumentar a produtividade do setor canavieiro eacute um desafio atual tanto para o Brasil
quanto para o estado de Satildeo Paulo Algumas projeccedilotildees destacam a necessidade de estudos e
poliacuteticas que visem o aumento da produtividade do setor dado que a demanda por fontes
renovaacuteveis de energia tem aumentado a cada ano O Brasil eacute o uacutenico paiacutes onde a maioria dos
veiacuteculos usam fontes renovaacuteveis de energia apresentando vantagem comparativa na produccedilatildeo
de etanol e lideranccedila na produccedilatildeo mundial e exportaccedilatildeo de accediluacutecar No paiacutes o estado de Satildeo
Paulo concentra aproximadamente 56 da produccedilatildeo total de cana-de-accediluacutecar e gera 66 do
valor bruto da produccedilatildeo agriacutecola do estado Com o aumento da demanda por etanol a
produccedilatildeo se expandiu em direccedilatildeo noroeste e oeste do estado e trouxe para debate a
preocupaccedilatildeo com a sustentabilidade e o aumento do uso de produtos quiacutemicos principal
causa de desequiliacutebrios no ecossistema ajudando no aparecimento de pragas na cultura Os
chamados insetos-pragas satildeo responsaacuteveis por causar danos agrave cana-de-accediluacutecar e reduzir a
produtividade do setor Nesse sentido torna-se importante avaliar o impacto do manejo
integrado de pragas na produtividade da cana-de-accediluacutecar bem como para o estado de Satildeo
Paulo que representa mais da metade da produccedilatildeo do paiacutes
Por meio de uma anaacutelise quantitativa foi possiacutevel avaliar o impacto da adoccedilatildeo de
tecnologia (manejo integrado de pragas) na produtividade da cana-de-accediluacutecar no estado de Satildeo
Paulo aplicando a teacutecnica de pareamento por escore de propensatildeo (Propensity Score
Matching) A partir de dados do Levantamento Censitaacuterio das unidades de produccedilatildeo
agropecuaacuteria (LUPA) do estado de Satildeo Paulo os resultados confirmaram a hipoacutetese inicial do
trabalho e sugeriram efeitos positivos para os adotantes da tecnologia na produccedilatildeo de cana
ou seja as unidades de produccedilatildeo agropecuaacuteria que adotaram a teacutecnica de manejo integrado de
pragas apresentaram maior produtividade em relaccedilatildeo as natildeo adotante estimadas entre de 29
tonha a 44 tonha a mais aproximadamente conforme as especificaccedilotildees do modelo
empiacuterico
A anaacutelise conduzida neste trabalho se configura como uma primeira abordagem
econocircmica e quantitava do impacto do manejo integrado de pragas sobre a produtividade da
cana-de-accediluacutecar Futuras pesquisas podem avanccedilar na identificaccedilatildeo das caracteriacutesticas de
produdores e propriedades que utilizam o manejo integrado e na avaliaccedilatildeo de outras variaacuteveis
que impactam na produtividade do setor como qualidade do solo predisposiccedilatildeo e incentivos
do produtor para a adoccedilatildeo de novas tecnologias e de instrumentos de poliacuteticas agriacutecolas que
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
56
favoreccedilam a adoccedilatildeo de praacuteticas e tecnologias que possam manter os ganhos de produtividade
do setor no longo prazo
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
57
REFEREcircNCIAS
BACHA CJC Alguns Aspectos dos Modelos de Anaacutelise dos Impactos de Mudanccedila
Tecnoloacutegica No Comportamento do Setor Agriacutecola Revista de Economia e Sociologia
Rural Brasiacutelia v 30 n1 p 41-62 1992
BECKER S ICHINO A Estimation of average treatment effects based on propensity
scores The Stata Journal College Station Texas v 2 n 4 p 358-377 2002
BENEDINI Mauro S ARRIGONI Enrico de B Manejo integrado de pragas de solo na
cana-de-accediluacutecar Revista Coplana nordm 47 maio 2008 Disponiacutevel em
httpwwwcoplanacom Acesso em 2 de Agosto de 2016
BRAVO-URETA B E ALMEIDA A N SOLIacuteS D and INESTROZA A bdquoThe economic
impact of Marena‟s investment on sustainable agricultural systems in Honduras‟ Journal of
Agricultural EconomicsVol 62 (2011) pp 429ndash448
CALIENDO M KOPEINIG S Some practical guidance for the implementation of
propensity score matching Journal of Economic Surveys New York v 22 n 1 p 31-72
2008
CAMERON C TRIVEDI P Microeconometrics Methods and Applications Cambrige
University Press New York USA 2005 1034 pg
CAMERON C TRIVEDI P Microeconometrics using Stata College Stataion Texas
Stata Press 2010 706 p
CANO A PAULILLO L F de O Evoluccedilatildeo da ocupaccedilatildeo territorial do cultivo da cana no
Estado de Satildeo Paulo entre 1983 e 2013 Informaccedilotildees Econocircmicas Satildeo Paulo v 46n1
janfev 2016
CHAGAS A L S TONETO R AZZONI C R A Spatial propensity score matching
evaluation of the Social Impacts of Sugarcane growing on municipalities in Brazil
International Regional Science Review 2011
CONAB Companhia Nacional de Abastecimento Levantamento de Safra 1ordm Levantamento
de Safra 201617 Brasiacutelia Abril 2016
CORTEZ Luiacutes A B Introduccedilatildeo In CORTEZ Luiacutes A B Bioetanol de cana-de-accediluacutecar
PampD para produtividade e sustentabilidade Satildeo Paulo 2010 pg 3-16
CRUZ I Controle Bioloacutegico em Manejo Integrado de Pragas In PARRA J R P et al
Controle Bioloacutegico no Brasil Parasitoacuteides e Predadores Satildeo Paulo 2002 635p
DENT D Insect Pest Management Nova York 2a ediccedilatildeo 2000
DINARDO-MIRANDALL COELHO ALFERREIRAJMG Influecircncia da eacutepocade
aplicaccedilatildeo de inseticidas no controle de Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
58
na qualidade e na produtividade da cana-de-accediluacutecar Neotropical Entomology Londrina
v33 n1 p 91-98 2004
DINARDO-MIRANDA LL GIL MA Estimativa do niacutevel de dano Econocircmico de
Mahanarva fimbriolata (Staringl) (Hemiptera Cercopidae) em cana-de-accediluacutecar Bragantia
Campinas v66 n1 pg 81-88 2007
FAO 2008 The State of Food and Agriculture 2008 Biofuels Prospects Risks and
Opportunities Roma Itaacutelia
FAOSTAT ndash FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED
NATIONS STATISTICS Disponiacutevel em lthttpfaostatfaoorggt Acesso em 22 de junho de
2016
GAINES J C Cotton Insects and their control in the united states Annu Rev Entomol
1957 p 319-338 Texas
GALLO D et al(in memoriam) Entomologia Agriacutecola Piracicaba Esalq 2002 920p
GARCIAS M de O Agricultura Familiar e o impacto da restriccedilatildeo ao creacutedito rural uma
anaacutelise para diferentes niacuteveis de mercantilizaccedilatildeo Dissertaccedilatildeo (Mestrado em Economia
Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
GODFRAY H C J BEDDINGTON J R CRUTE I R et al Food Security the challenge
of feeding 9 billion people Science Washington v 327 pg 812-818 Fevereiro de 2010
GUO S FRASER M Propensity Score Analysis statistical methods and applications
Thousand Oaks SAGE v 12 2010
HECKMAN J ICHIMURA H TODD P Matching as an econometric evaluation
estimator evidence from evaluating a job training programme Review of Economic Studies
New York n 64 p 605-654 1998
HECKMAN J LALONDE R SMITH J The economics and econometrics of active labor
market programs In CARD D ASHENFELTER O Handbook of Labor Economics
Amsterdam Elsevier v 3 1999 Cap 31 p 1865-2097
HEINRICH C MAFFIOLI A VAacuteSQUEZ G A primer for applying Propensity-Score
Matching IDB Impact-Evaluation Guidelines Washington DC 2010
HENDERSON Daniel J PARMETER Christopher F Applied nonparametric
econometrics Cambridge University Press 2015
HOFFMANN R Seguranccedila Alimentar e Produccedilatildeo de Etanol no Brasil Food Security and
Ethanol Production in Brazil Campinas v 13 n 2 p 1ndash5 2006
IBGEINSTITUTO BRASILEIRODE GEOGRAFIA E ESTATIacuteSTICA Produccedilatildeo Agriacutecola
Municipal Banco de dados SIDRA Disponiacutevel em
httpwwwsidraibgegovbrbdaacervoacervo9aspe=campp=PAampz=tampo=11 Acesso em 5
de Julho de 2016
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
59
INSTITUTO DE ECONOMIA AGRIacuteCOLA ndash IEA Banco de Dados Satildeo Paulo IEA
Disponiacutevel em httpwwwieaspgovbroutbancodedadoshtml Acesso em 19102016
LEVANTAMENTO CENSITAacuteRIO DAS UNIDADES DE PRODUCcedilAtildeO AGROPECUAacuteRIA
DO ESTADO DE SAtildeO PAULO ndash LUPA Dados Consolidados do Estado 200708
Disponiacutevel em httpwwwcatispgovbrprojetolupa Acesso em 20072016
KHANDKER S KOOLWAL G SAMAD H Handbook on Impact Evaluation
Washington DC The World Bank 2010 239 pg
KOGAN M Integrated pest management historical perspectives and contemporary
development Annu Rev Entomol v43 p243-270 1998
MACHADO LA HABIB M Perspectivas e impactos da cultura de cana-de-accediluacutecar no
Brasil 2009 Artigo em Hypertexto Disponiacutevel em
lthttpwwwinfobiboscomArtigos2009_2Canaindexhtmgt Acesso em 2672016
MARCOLIN N Era quase aguardente Pesquisa Fapesp online 2008 Disponiacutevel em
httprevistapesquisafapespbr20080301era-quase-aguardente Acesso em 15112016
MARIN FR Eficiecircncia de produccedilatildeo da cana-de-accediluacutecar brasileira estado atual e
cenaacuterios futuros baseados em simulaccedilotildees multimodelos Tese (Livre-Docecircncia
Departamento de Engenharia de Biosistemas aacuterea de Agrometeorologia) ndash Universidade de
Satildeo Paulo Piracicaba 2014 262p
MARIN F R CARVALHO G L Spatio-Temporal variability of sugarcane yield efficiency
in the state of Satildeo Paulo Brazil Pesquisa Agropecuaacuteria Brasileira Brasiacutelia v43 n2 pg
149-156 2012
MENDOLA M Agricultural Technology adoption and poverty reduction A propensity-score
matching analysis for rural Bangladesh Food Policy v32 n 3 p 372-393 2006
MIRANDA E E Questotildees Ambientais (impactoslocais e globais) e Energeacuteticas A expansatildeo
da cana-de-accediluacutecar e a ocupaccedilatildeo das terrasno Estado de Satildeo Paulo In CORTEZ Luiacutes A B
Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
2010 pg 41-51
MORAES MAF Perspective lessons from Brazil Nature Nova York v474 n 7352 pg
S25 2011
MORAES M L de BACCHI M R P Etanol Do iniacutecio agraves fases atuais de produccedilatildeo
Revista de Poliacutetica Agriacutecola Ano XXIII ndash n 4 ndash OutNovDez 2014
PAREDES C A O Avaliaccedilatildeo de Impacto do Proagro mais Um estudo de caso Tese
(Doutorado em Economia Aplicada) ndash Universidade de Satildeo Paulo Piracicaba 2014 112p
PARRA J R P BOTELHO P S M PINTO A de S Controle Bioloacutegico de Pragas como
um componente-chave para a produccedilatildeo sustentaacutevel de cana-de-accediluacutecar In CORTEZ Luiacutes A
B Bioetanol de cana-de-accediluacutecar PampD para produtividade e sustentabilidade Satildeo Paulo
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
60
2010 pg 441-450
PARRAJ R P Controle Bioloacutegico de Pragas no Brasil Histoacuterico situaccedilatildeo atual e
perspectivas Ciecircncia e Ambiente Santa Maria RS n 43 julhodezembro 2011
PEDIGO LP Entomology and pest management 4th ed Prentice Hall 742p 2001
PEIXOTO B PINTO C C de X Lima L FOGUEL M N BARROS R P de
Avaliaccedilatildeo Econocircmica de Projetos Sociais(Org) Menezes Filho Naercio 1ordf ediccedilatildeo Satildeo
Paulo Dinacircmica Graacutefica e Editora (2012)
PUHFAL A and WEISS C bdquoEvaluating farm programmes Results from propensity score
matching‟European Review of Agricultural Economics Vol 36 (2009) pp 79ndash101
ROSENBAUM P RUBIN D The central role of the propensity score in observational
studies for causal effects Biometrika New York vol 70 41-55 1983
ROSENBAUM P RUBIN D Constructing a control group using multivariated matched
sampling methods that incorporate the propensity score The American Statician Fevereiro
1985 vol 39 n 1
SANTOS G R Produtividade na Agroinduacutestria Canavieira um olhar a partir da etapa
agriacutecola In SANTOS Gesmar R Quarenta anos de etanol em larga escala no Brasil
desafios crises e perspectivas Brasiacutelia IPEA 2016 pg 165-185
SANTOS P F A ALMEIDA A N de LACERDA L P T SILVA S M BRITO R A
de Os impactos do Programa Municiacutepios Verdes (PMV) no Controle do Desmatamneto da
Amazocircnia Uma anaacutelise usando propensity score matching Economoia-Ensaios Uberlacircndia
30 (2) 35-64 JanJun 2016
SAtildeO PAULO (Estado) Secretaria de Agricultura e Abastecimento Coordenadoria de
Assistecircncia Teacutecnica Integral Instituto de Economia Agriacutecola Levantamento censitaacuterio de
unidades de produccedilatildeo agriacutecola do Estado de Satildeo Paulo - LUPA 20072008 Satildeo Paulo
SAACATIIEA 2008
SHIKIDA P F A AZEVEDO P F VIAN C E DE F Desafios da Agroinduacutestria
Canavieira no Brasil Poacutes-desregulamentaccedilatildeo uma anaacutelise das capacidades tecnoloacutegicas
Revista de Economia e Sociologia Rural v 49 n 3 p 599ndash628 2011
SHIKIDA P F A BACHA C J C evoluccedilatildeo da Agroinduacutestria Canavieira brasileira de 1975
a 1995 Revista Brasileira de Economia Rio de Janeiro pg 69-89 JanMar 1999
STERN VM SMITH RF VAN DEN BOSCH R HAGEN KS The integrated control
concept Hilgardia v28 p81-101 1959
TORQUATO Seacutergio Alves Thomaz FRONZAGILA and Renata MARTINS Colheita
mecanizada e adequaccedilatildeo da tecnologia nas regiotildees produtoras de cana-de-accediluacutecar Embrapa
ed (2008)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
61
VILLANO R BRAVO-URETA B ESOLIacuteS D and FLEMING E bdquoModern Rice
Technologies and Productivity in the Philippines Disentangling Technology from Managerial
Gaps Journal of Agricultural Economics Vol 66 No 1 2015 129-154
ZAMBOLIM L JUNQUEIRA NTV Manejo integrado de doenccedilas da mangueira In
ROZANE D E DAREZZO R J AGUIAR R L AGUILERA G H A ZAMBOLIM
L Manga produccedilatildeo integrada industrializaccedilatildeo e comercializaccedilatildeo Viccedilosa Universidade
Federal de Viccedilosa 2004 v 1 p 377-408
WOOLDRIDGE J Econometric Analysis of Cross Section and Panel Data London The
MIT Press 2010 1096 p
WU H DING S PANDEY S T and TAO D bdquoAssessing the impact of agricultural
technology adoption on farmers‟ well-being using propensity score matching analysis in rural
China‟ Asian Economic Journal Vol 24 (2010) pp 141ndash160
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
62
ANEXOS
Tabela 11 Nuacutemero de UPAs eaacuterea cultivada com culturas selecionadas no Estado de Satildeo Paulo
Safra 199596 Safra 200708 Var
Nuacutemero de UPAs
Cana-de-accediluacutecar 70111 99799 42
Laranja 35883 20720 -42
Milho 84910 51694 -39
Soja 9411 7816 -17
Cafeacute 28399 23737 -16
Feijatildeo 18056 10290 -43
Aacuterea Cultivada
Cana-de-accediluacutecar 2886313 5497139 90
Laranja 865802 741316 -14
Milho 1235906 667685 -46
Soja 714207 396427 -44
Cafeacute 229090 214790 -6
Feijatildeo 162208 104154 -36 Fonte Elaboraccedilatildeo proacutepria a partir do LUPA (2009)
