Espacios. Vol. 37 (Nº 14) Año 2016. Pág. 8

Influência das Commodities Agropecuárias nos Crescimento e na Correlação dos Indicadores Socioeconômicos e Demográficos nos Municípios de Mato Grosso do Sul entre 2000 a 2010

Influence of Agricultural Commodities on Growth and Correlation of the Socioeconomic and Demographic Indicators in Mato Grosso do Sul Municipalities between 2000 to 2010

Alexander Bruno PEGORARE 1; Michel Ângelo CONSTANTINO de Oliveira 2; Tito Belchior Silva MOREIRA 3; Dany Rafael Fonseca MENDES 4

Recibido: 02/02/16 • Aprobado: 12/03/2016


Contenido

1. Introdução

2. Metodologia

3. Resultados e Discussão

4. Conclusão

Referências Bibliográficas


RESUMO:

Este artigo objetivou estudar a relação commodities e indicadores socioeconômicos e demográficos nos municípios de Mato Grosso do Sul, Brasil, no período do ano de 2000 a 2010. Foram realizadas duas análises: na primeira, buscou-se verificar os municípios com maiores Valores Brutos da Produção de cada commodity e analisar seus indicadores; na segunda, o objetivo foi estabelecer uma relação entre os fatores socioeconômicos e demográficos com os Valores da Produção de cada commodity. A Cana de Açúcar trouxe maior desenvolvimento econômico; a Bovinocultura maior desenvolvimento social; e a Soja e o Milho foram as atividades que mais influenciaram os índices.
Palavras Chave: Agronegócio; Desenvolvimento Econômico; Desenvolvimento Social.

ABSTRACT:

This article aimed to study the relationship commodities and socioeconomic and demographic indicators in the municipalities of Mato Grosso do Sul, Brazil, in the year 2000 to 2010. Two analyzes were conducted: first, we sought to verify the municipalities with the highest Gross Values Production of each commodity and analyze your indicators; the second sought to establish a relationship between socioeconomic and demographic factors to Gross Values Production of each commodity. The Sugar Cane brought greater economic development; Cattle Raising to greater social development; and Soy and Corn were the activities that most influence the indices.
Keywords: Agribusiness; Economic Development; Social Development.

1. Introdução

Na última década o agronegócio foi claramente um caso de sucesso no Brasil. A produtividade da agropecuária avançou, o que colocou o país entre as nações mais competitivas do mundo na produção de commoditiesagroindustriais, com enorme potencial de expansão horizontal e vertical da oferta. Essa condição foi atingida devido a uma combinação de diversos fatores, entre eles principalmente os investimentos em tecnologia e em pesquisa, que elevaram o aumento da produtividade. Mas outras variáveis tiveram igualmente um peso importante na configuração do setor na atualidade, entre elas: a redução da intervenção do governo no setor com a desregulamentação dos mercados; a abertura comercial; e a estabilização da economia após o Plano Real (GASQUES et al, 2004; JANK et al, 2005).

Neste contexto, a análise econômica dos resultados da agropecuária como atividade produtiva é fundamental, e entender a sua interação com os indicadores sociais e as outras atividades econômicas, faz-se imprescindível para compreender o real processo e o impacto no desenvolvimento de determinado local.

Um ponto de destaque para o estudo sobre desenvolvimento econômico na estrutura do agronegócio, é que, apesar do grande crescimento do agronegócio no Brasil no período de 2000 a 2010, sua participação no Produto Interno Bruto (PIB) diminuiu. Enquanto que no ano de 2000 o agronegócio correspondia a 23,48% do PIB nacional, em 2010 sua participação diminuiu para 22,53% (CEPEA, 2015). Este comportamento seguiu a teoria estadunidense de Antle (1999), que observou que a participação da Agricultura e da Pecuária no PIB da economia norte-americana diminuía a medida em que crescia a economia geral; fenômeno este também observado no Brasil, pressupondo assim a forte dinâmica entre Agropecuária e outros setores, como a os setores da Industria e de Comércio e Serviços.

Mas mesmo com a redução na participação do PIB brasileiro, ainda o agronegócio teve grande importância para o Brasil, sendo como motor produtivo e social, como tomador de investimentos, equilíbrio positivo da balança comercial e grande gerador de impostos. Da Rocha (2015) destacou que para as contas públicas, de acordo com estimativas do IBGE por meio da Matriz Insumo-Produto (MIP), o setor gerou mais impostos do que diversas outras atividades da economia, como comércio, mineração, petróleo e gás, e fabricação de caminhões e ônibus. Para cada R$ 1 gerado na forma de Valor Bruto da Produção, em 2009, o setor gerava R$ 0,07 na forma de Imposto sobre Produtos Industrializados (IPI), Imposto sobre a Circulação de Mercadorias e Serviços (ICMS) e outros tributos indiretos.

O Estado de Mato Grosso do Sul (MS) foi um dos grandes propulsores do agronegócio brasileiro na década, fazendo parte das "Novas Fronteiras do Agronegócio no Brasil", termo definido por Jank et al, 2005. Assim, o Estado se estabeleceu entre os principais produtores de commodities do pais, ocupando as seguintes colocações no ranking nacional no ano de 2010: 7° colocado em área plantada de Cana de Açúcar (399.408 ha); 6° colocado em área plantada de Soja (1.732.492 ha); 6° colocado em área plantada de Milho (873.861 ha), 4° colocado em área plantada de Algodão Herbáceo (38.740 ha), e 4° colocado em número efetivo de Bovinos (22.354.077 unidades) segundo o IBGE, (s.d.).

A partir deste panorama econômico, a pesquisa teve como objetivo identificar e analisar o impacto da dinâmica agropecuária nos indicadores socioeconômicos e demográficos dos municípios de Mato Grosso do Sul (MS), tendo como base o período de 2000 a 2010. Assim, pretendeu-se ampliar os conhecimentos sobre como a agropecuária pode contribuir para uma explicação mais aprofundada nos aspectos relacionados à qualidade de vida da população, desenvolvimento econômico regional e informações para tomadores de decisões políticas.

O presente artigo pretende diminuir a escassez de trabalhos aplicados e empíricos relacionados com a dimensão agropecuária de Mato Grosso do Sul, abrindo fronteiras para novos estudos e novas discussões. Para esse fim o manuscrito se define como um estudo aplicado e se divide em quatro seções, sendo a primeira contemplada por esta introdução; a seção 2 apresenta os aspectos metodológicos; na seção 3 estão os principais resultados estimados; e por fim, a seção 4 destina-se a apresentar as conclusões do estudo.

2. Metodologia

Para compor o estudo, foram utilizados os indicadores sociais e demográficos dos municípios de Mato Grosso do Sul, nos anos de 2000 e 2010, através os dados de Índice de Desenvolvimento Humano decomposto para os seguintes fatores: Renda (IDHrend); Longevidade (IDHlong) e Educação (IDHeduc), extraídos da base disponibilizada pelo Programa das Nações Unidas para o Desenvolvimento – Brasil (PNUD, 2015). Também foram utilizados os dados de Número de Pessoas por Domicílio (PesDom); a Taxa de Domicílios com Água Encanada, em porcentagem (DocAgua%); Taxa de Alfabetização, em porcentagem (TxAlfab%); taxa de População Ocupada, em porcentagem (PopOcup%), e População Residente (POP), fornecidos pelo Censo 2000 e 2010 (IBGE, s.d.). Os dados de Mortalidade Infantil (MortInfant) foram retirados do DATASUS, fornecidos pelo Ministério da Saúde (DATASUS, s.d.).

Em relação as variáveis econômicas dos municípios de Mato Grosso do Sul dos anos de 2000 e 2010, foram utilizadas o Produto Interno Bruto, em mil Reais (PIB); Produto Interno Bruto per capita, em Reais (PIBcapta); e os Valores Econômicos Adicionados Brutos Setoriais utilizados para compor o PIB (todos em mil Reais): Valor Adicionado Bruto de Impostos (VAImpost); Valor Adicionado Bruto da Indústria (VAInd); Valor Adicionado Bruto da Agropecuária (VAAgro); e o Valor Adicionado Bruto de Comércio e Serviços (VAServ), obtidos da Pesquisa de Contas Nacionais, através do sistema de dados agregados do Sidra-IBGE (IBGE, s.d.).

Foram utilizados as informações dos Valores Brutos da Produção (VBP) das seguintes commodities: Bovinocultura de Corte (VBPbov), Soja (VBPsoj), Milho (VBPmil), Cana de Açúcar (VBPcan) e Algodão Herbáceo (VBPalg), extraídos das tabelas divulgadas pelo Ministério da Agricultura (MAPA, s.d.), e da Pesquisa Agrícola Municipal realizada pelo IBGE, disponível no sistema de dados agregados do Sidra-IBGE (IBGE, s.d.).

Quando se compara os PIBs, seus Valores Adicionados, e os Valores Brutos da Produção em séries históricas, deve ser observado se o indicador econômico divulgado é o real (corrigido pela depreciação do poder de compra), ou se é o praticado a preços correntes (nominal). Assim, para este último deve-se utilizar o deflator  para que seja possível sua comparação entre os anos. Desta forma, estes indicadores foram corrigidos aos valores do ano de 2010 através do Índice de Preços ao Consumidor Amplo (IPCA), que o adequou a inflação oficial no período. Neste período, segundo o IBGE (s.d.), a inflação de janeiro de 2000 a dezembro de 2010 foi de 101,18%.

Para analisar a taxa de crescimento dos indicadores socioeconômicos e demográficos, foram selecionados primeiramente os 10 municípios de MS que tiveram o maior Valor Bruto de Produção para cada área especifica de Cana de Açúcar, Soja, Milho, Algodão Herbáceo e de Bovinos no ano de 2010, e, a partir de então, estes 10 municípios formaram o grupo que representava a sua respectiva commodity. Posteriormente, para calcular a taxa de crescimento socioeconômico e demográfico, utilizou-se, a partir dos municípios selecionados de cada grupo de commodity os seus indicadores municipais, comparando o ano de 2000 e de 2010.

Após obtida a taxa de crescimento dos indicadores socioeconômicos e demográficos, os dados foram submetidos ao teste não-paramétrico de Kruskal-Wallis, e caso houvessse rejeição da hipotese nula H0, foi aplicado o método sugerido por Siegel & Castelan (1988) para verificar as diferenças entre os grupos, a nível de 5% de probabilidade.

Também foi realizada a análise fatorial através do método dos componentes principais, com objetivo de observar como as variáveis se relacionam através de fatores subjacentes não observados no grupo de dados, conforme propõe King, (2001), citado por Figueiredo Filho & Silva Junior, (2010). Foram utilizadas os Valores Brutos de Produção das Commodities e os indicadores socioeconômicos e demográficos municipais, totalizando 20 fatores, nos 77 municípios sul-matogrossenses nos anos de 2000 e 2010. Assim, foi organizada uma Matriz Z com dimensões 254 X 20, ou seja, 254 linhas referentes aos municípios existentes em cada ano e 20 colunas que representam as variáveis originais, conforme metodologia utilizada por De Castro (2013), apresentado a seguir:

Em que Z1 e Z2 são matrizes de ordem 77 x 20 referentes aos anos de 2000 e 2010, respectivamente.

Para  justificar a metodologia,  De Castro (2013) citou que, caso a análise fatorial fosse realizada de maneira individual, neste caso para os anos de 2000 e 2010, os fatores obtidos não seriam os mesmos (dois resultados diferentes sendo um para cada ano), o que dificultaria as comparações pretendidas a cerca do desenvolvimento do período analisado.

A escolha do número de fatores a ser analisada no trabalho baseou-se no critério da variância acumulada. Neste sentido, foi utilizado o patamar de 60% da variância acumulada como considerada aceitável, conforme sugerem  Hair et al (2006), citados por Figueiredo Filho & Silva Junior, (2010).

Dentro da análise metodológica, realizou-se também a rotação dos coeficientes de correlação através do método Varimax, porém não se obteve dados mais consistentes que os coeficientes não rotacionados, optando-se assim, a apresentar e discutir neste trabalho apenas os coeficientes de correlação sem rotação.

3. Resultados e Discussão

3.1 Análise da Taxa de Crescimento do Indicadores Socioeconômicos e Demográficos

Na Tabela 01 encontra-se os dez municípios que tiveram os maiores índices de Valor Bruto da Produção de cada commodity nos anos de 2000 e 2010.

Tabela 01: Ranking dos 10 municípios de Mato Grosso do Sul que se destacaram
em VBP (mil R$) nas respectivas commodities nos anos de 2000 e 2010.

Ano de 2000
Municípios
VBPalg
Municípios
VBPcan
Municípios
VBPmilh
Municípios
VBPsoj
Municípios
VBPbov
Costa Rica
62754
Rio Brilhante
35428
Chapadão do Sul
60749
São Gabriel do Oeste
136521
Corumbá
206370
Chapadão do Sul
38687
Sonora
33746
Dourados
46011
Chapadão do Sul
122960
Ribas do Rio Pardo
160307
Maracaju
13012
Maracaju
32206
Costa Rica
35874
Dourados
106900
Três Lagoas
125200
Ponta Porã
12708
Naviraí
20620
São Gabriel do Oeste
26388
Ponta Porã
103486
Camapuã
102185
São Gabriel do Oeste
7118
Itaquiraí
20366
Maracaju
21404
Maracaju
87663
Água Clara
100495
Naviraí
6994
Sidrolândia
19580
Caarapó
19426
Sidrolândia
81804
Aquidauana
84534
Alcinópolis
3296
Santa Rita do Pardo
15171
Itaporã
16026
Costa Rica
75412
Porto Murtinho
82133
Itaquiraí
2587
Nova Andradina
11400
Ponta Porã
15465
Sonora
73757
Campo Grande
79146
Sidrolândia
2472
Nova Alvorada do Sul
11136
Rio Brilhante
14521
Aral Moreira
58521
Paranaíba
74908
Sonora
1903
Brasilândia
11050
Sidrolândia
11747
Caarapó
54821
Santa Rita do Pardo
72420
Soma
151531
 
210703
 
267611
 
901845
 
1087698
Ano de 2010
Municípios
VBPalg
Municípios
VBPcan
Municípios
VBPmilh
Municípios
VBPsoj
Municípios
VBPbov
Costa Rica
102017
Rio Brilhante
305239
Maracaju
126522
Maracaju
290232
Corumbá
371910
Chapadão do Sul
50253
Maracaju
132878
Sidrolândia
82349
Ponta Porã
230096
Ribas do Rio Pardo
229773
São Gabriel do Oeste
27195
Nova Alvorada do Sul
106773
São Gabriel do Oeste
62244
Dourados
203985
Aquidauana
159817
Alcinópolis
10342
Sidrolândia
74323
Dourados
52503
São Gabriel do Oeste
172258
Três Lagoas
145132
Sidrolândia
5759
Dourados
67729
Aral Moreira
47238
Sidrolândia
168663
Água Clara
142431
Maracaju
1331
Angélica
65596
Costa Rica
40393
Rio Brilhante
138176
Porto Murtinho
134118
Aral Moreira
747
Aparecida do Taboado
59074
Caarapó
39985
Aral Moreira
136022
Campo Grande
117235
Itaquiraí
577
Nova Andradina
51082
Ponta Porã
39017
Caarapó
129264
Camapuã
112154
Naviraí
299
Chapadão do Sul
50996
Naviraí
38785
Chapadão do Sul
125192
Rio Verde de Mato Grosso
108854
Ponta Porã
14
Ponta Porã
50172
Rio Brilhante
38016
Laguna Carapã
121668
Santa Rita do Pardo
104843
Soma 198534
963862
567052
1715556
1626267

Fonte: Resultados de Pesquisa

No início da década verificou-se que os municípios criadores da Bovinocultura apresentavam os maiores Valores Brutos da Produção entre as commodities, com os seguintes valores, em mil Reais: Bovinocultura (1.087.698); Soja (901.845); Milho (267.611); Cana de Açúcar (210.703); e Algodão (151.531). Já 2010, os maiores Valores Brutos da Produção foram apresentados pelos municípios produtores de Soja, da seguinte forma, em mil Reais: Soja (1.715.556); Bovinocultura (1.626.267); Cana de Açúcar (963.862); Milho (567.052); e Algodão (198.534).

Foi possível observar também na Tabela 01 que houve ganhos significativos no Valor Bruto da Produção de todas as commodities analisadas entre os anos de 2000 e 2010, já que estes valores do ano de 2000 foram corrigidos a preços reais de 2010. Neste sentido, os Valores Brutos da Produção do Algodão tiveram um aumento real de 31,02%, da Cana de Açúcar  de 357,45%,  do Milho de 111,89%, da Soja de 90,22% e da Bovinocultura de 49,51%.

A princípio, foi possível constatar que no Estado houve uma espacialização dos fatores produtivos, sendo que, se delineasse um eixo horizontal no centro do mapa do Estado, nos municípios do eixo Médio-Norte observaríamos que prevaleceram a produção da Bovinocultura e de Algodão Herbáceo; já nos municípios do eixo Médio-Sul as culturas da Cana de Açúcar, do Milho e da Soja tiveram melhor desempenho em produção.

Neste sentido, Costa Rica, Chapadão do Sul e São Gabriel do Oeste foram os maiores produtores de Algodão entre 2000 a 2010, havendo inclusive uma polarização da produção desta cultura nestes municípios,  já que os três representaram 90% do VBP total do grupo no ano de 2010. Observou-se também que os municípios de Maracajú e Ponta Porã diminuíram a produção de Algodão durante a década, optando então para a produção das culturas da Soja e do Milho .

Com relação a Cana de Açúcar, a forte presença do crescimento desta commodity  na Região Sul do Estado no período analisado foi devido a quatro fatores: 1o) terras planas e férteis (IBGE-PAM, 2010); 2o) terras mais baratas quando comparadas a estados vizinhos como São Paulo, Minas Gerais e Paraná (PAM-IBGE, 2008); 3o) pelo fato da região já possuir linhas de transmissão de energia para as indústrias (UNICA, s.d.); 4o) devido a legislação estadual proibir o estabelecimento do cultivo de Cana de Açúcar na Bacia Pantaneira, através da Lei Estadual no328 de 1982.

Já entre os municípios produtores de Milho e Soja, é necessário destacar o município de Maracaju, que teve um crescimento de 491,11% para o VBP do Milho; e 231,07% para o VBP da Soja entre 2000 e 2010, tornando-se assim o maior produtor destas culturas no estado.

O fato dos dez primeiros municípios que tiveram os maiores Valores Brutos da Produção da Bovinocultura estarem situados na região Médio-Norte do MS, mostrou claramente que esta tem sido a região do Estado que houve maior desenvolvimento da pecuária extensiva, onde somente o município de Corumbá correspondeu a quase 20% do VBP total do grupo em 2010.

Assim, a partir  dos municípios que representaram cada commodity de 2010, foram utilizados os seus indicadores socioeconômicos municipais de 2000 e 2010,  para comparar se houve diferenças  de crescimento  das variáveis socioeconômicas e demográficas; e através da diferença de suas médias no período de estudo, foram comparadas e apresentadas conforme visualizado na tabela 02.

 Tabela 02: Médias da taxa de crescimento dos indicadores socioeconômicos e demográficos entre o ano de 2000
e 2010 entre as Commodities, submetidas ao Teste de Kruskal-Wallis à nivel de 5% de probabilidade.

 
Algodão
Cana
Milho
Soja
Bovino
P-Valor
PesDom
-11,7723ab
-11,0844ab
-11,1311ab
-10,3160b
-12,3058a
0,0000
DocAgua%
8,8790b
10,1843a
7,8859b
11,5922a
8,5588b
0,0016
MortInfant
4,6180c
-14,3983b
-12,1563b
-7,1563b
-48,5016a
0,0000
TxAlfab%
4,9552b
5,3383b
5,9623a
6,4366a
6,1630a
0,0003
PopOcup%
16,2589b
20,1633a
20,7696a
20,3289a
17,9758ab
0,0000
POP
37,3724a
41,2775a
34,1687a
37,37909a
13,8851b
0,0022
PIBcapta
32,9446b
59,794a
39,3286b
35,4623b
69,0410a
0,0000
IDHrend
7,38315bc
9,2840a
8,32250b
6,6838c
8,2006b
0,0000
IDHlong
7,7303c
9,2077b
9,0068b
9,2207b
10,5008a
0,0000
IDHeduc
52,9587ab
47,2763b
47,1376b
49,1082ab
56,4753a
0,0000
PIB
78,3513c
119,1703a
84,89bc
82,09116bc
93,59546b
0,0000
VAImpost
131,9976ab
171,4742a
126,7826ab
116,3804b
149,1207ab
0,0000
VAAgro
35,1887c
94,0421a
44,4607b
40,868bc
53,09441b
0,0000
VAInd
163,4729b
252,1141a
142,3252b
147,6992b
270,6871a
0,0000
VAServ
94,0692ab
102,1594a
89,9099b
86,4147b
78,4671c
0,0000

Fonte: Resultados de Pesquisa

Com relação aos indicadores sociais e demográficos, observou-se que os municípios produtores de Algodão apresentaram a menor taxa de crescimento entre os grupos pesquisados; com exceção para o crescimento populacional, que teve um crescimento significativamente maior quando comparado apenas com a Bovinocultura. Neste sentido, percebeu-se que dentro do Estado os municípios agrícolas tiveram um maior crescimento populacional que os municípios com a pecuária predominante.

Também verificou-se que a Bovinocultura apresentou a maior taxa negativa de Pessoas por Domicílio nos anos avaliados, indicando que houve uma maior distribuição demográfica das pessoas ocupando os seus territórios, já que nestes municípios também houve um aumento populacional de 13,89% no mesmo período (Tabela 02).

Os produtores da Cana de Açúcar e da Soja tiveram os maiores aumentos para os indicadores de Domicílios com Água Encanada e para População Ocupada, indicando que houve maior expansão no saneamento básico e melhorias na oferta de emprego destes municípios. Porém quando comparados em relação ao crescimento da Taxa de Alfabetização, os produtores de Soja foram significativamente melhores que os produtores de Cana de Açúcar. Isso provavelmente ocorreu devido a precariedade educacional da mão de obra dos cortadores de cana que migraram para aqueles municípios em busca de emprego; principalmente oriundos das regiões mais pobres e carentes em educação no país, como da região Nordeste e das áreas indígenas próximas as regiões canavieiras.

É importante ressaltar que para mitigar as condições de subemprego dos cortadores de cana, bem como diminuir o dano ambiental causado pela queima da palha da cana de açúcar,  foi regulamentado através da Lei Estadual 3.357/2007 atribuição aos municípios legislar sobre a autorização da queima através de lei municipal. Neste sentido, a partir do segundo semestre de 2010 todas as empresas canavieiras dos municípios Sul Matogrossenses adotaram a mecanização como metodologia de colheita para as lavouras (UNICA, s. d.).

Em relação a Mortalidade Infantil, observou-se que houve uma diminuição geral deste índice em quase todos os municípios, exceto para o grupo dos produtores de Algodão, que tiveram um aumento neste índice durante a década. É importante destacar a diminuição da Mortalidade Infantil no grupo de municípios da Bovinocultura, que tiveram uma taxa negativa de 48,5%, mesmo com um crescimento populacional de 13,89% neste período.

Em relação aos indicadores de IDH, foi possível observar que houve diferenças significativas entre os crescimentos dos grupos avaliados, sendo que para o IDH Renda da Cana de Açúcar foi o que mais se destacou (9,28%), enquanto que o grupo dos produtores de Soja tiveram o menor crescimento nesta variável (6,68%). Já com relação ao IDH Longevidade e Educação, os maiores crescimentos foram apresentados pelo grupo dos municípios criadores de Bovinos, com 10,50% e 56,48% no período, respectivamente.

O salto da educação nas ultimas décadas nos municípios que representaram a Bovinocultura deve-se ao fato que houve a ampliação da rede de ensino fundamental nas regiões pantaneiras, representadas por Corumbá e Porto Murtinho (Jobbins, 2015); e conforme o Censo de 2010, aumentou também o acesso ao de nível superior nos municípios de Campo Grande e Três Lagoas (IBGE, s.d.).

Quanto aos indicadores econômicos, o PIB per capita apresentou maior crescimento para os municípios que representaram a Cana de Açúcar e a Bovinocultura, sendo que estas duas commodities  não diferenciaram entre si estatisticamente. Verificou-se também, que os produtores de Cana de Açúcar tiveram o melhor desempenho econômico no período, superando todas as outras commodities, com crescimentos de: 119,17% de PIB Municipal; 132,00% de Valor Agregado de Impostos; 94,04% de Valor Agregado da Agropecuária; 252,11% de Valor Agregado da Indústria; e 102,16% de Valor Agregado de Comércio e Serviços. 

Os municípios produtores de Algodão tiveram as menores taxas de crescimento dos indicadores econômicos, com a única exceção para o  Valor Agregado de Comércio e Serviços, que teve o mais baixo crescimento representado pelo setor da Bovinocultura.

3.2 Fatores Socioeconômicos e Demográficos e a relação com o Valor Bruto de Produção das Commodities

Com o objetivo de verificar a correlação entre os fatores estudados, os dados dos municípios de Mato Grosso do Sul foram submetidos então a análise fatorial. Dito isso, é importante atentar-se para o fato da literatura diferenciar duas principais modalidades de análise fatorial: exploratória e confirmatória (Figueiredo Filho & Silva Junior, 2010). A análise fatorial exploratória geralmente é utilizada nos estágios mais embrionários da pesquisa, no sentido de literalmente explorar os dados. Nessa fase, procura-se explorar a relação entre um conjunto de variáveis, identificando padrões de correlação. Além disso, pode-se para criar variáveis independentes ou dependentes que podem ser utilizadas posteriormente em modelos de regressão. Por sua vez, a análise fatorial confirmatória é utilizada para testar hipóteses. Nesse caso, o pesquisador guiado por alguma teoria testa em que medida determinadas variáveis são representativas de um conceito/dimensão.

Portanto, primeiramente foi realizada uma análise exploratória com todos os fatores da pesquisa, na qual a matriz de covariação indicou que com dois fatores captaram 60,35% da variância total das variáveis, sendo que o primeiro explica 38,06% e o segundo 22,29% da variância dos dados (Tabela 03).

Tabela 03: Matriz de covariação dos Componentes Principais (Fatores).

Variável 
Fator 1
Fator 2
Comunalidade
PesDom
-0,4285
0,4573
0,3927
DocAgua%
0,5056
-0,1295
0,2724
MortInfant
0,6354
0,6653
0,8464
TxAlfab%
0,7642
-0,3695
0,7206
PopOcup%
0,4649
-0,3942
0,3715
POP
0,7248
0,6616
0,9631
PIBcapta
0,6038
-0,5242
0,6394
IDHrend
0,7914
-0,3835
0,7735
IDHlong
0,6354
-0,5165
0,6705
IDHeduc
0,7275
-0,4176
0,7036
PIB
0,7873
0,5986
0,9781
VAImpost
0,7638
0,6101
0,9556
VAAgro
0,6631
-0,3412
0,5561
VAInd
0,7728
0,564
0,9153
VAServ
0,7564
0,6349
0,9753
VBPalg
0,2065
-0,3088
0,138
VBPcan
0,3423
-0,4032
0,2797
VBPmilh
0,4312
-0,4218
0,3639
VBPsoj
0,4371
-0,4363
0,3815
VBPbov
0,4141
0,0582
0,1748
 
Variância Explicada Acumulada (%)
Estatística T do Teste
P-valor
Variância Explicada  (%)
38,06
22,29
60,35
5347,9221
0,0000

Fonte: Resultados de Pesquisa

Os dados então foram submetidos ao teste T de Bartlet, em que se verifica se as variáveis são independentes umas das outras, resultando em uma estatistica qui-quadrado de 5.347,9221, com p-valor próximo a zero, rejeitando então a hipótese nula, ou seja, a matriz de correlação não é semelhante a uma matriz identidade. Porém, quando se observou as comunalidades (destacadas na Tabela 03), indicaram-se inadequadas  para os Valores Brutos da Produção da commodities pesquisadas.

A comunalidade é a proporção de variância comum presente numa variável. Quando os fatores são extraídos, novas comunalidades podem ser calculadas, as quais representam a correlação múltipla entre cada variável e os fatores extraídos. Portanto, pode-se dizer que a comunalidade é uma medida da proporção da variância explicada pelos fatores extraídos.

Neste sentido, Figueiredo Filho & Silva Junior  (2010) destacaram que usualmente o valor mínimo aceitável da comunalidade de uma variável é de 0,50. Logo, caso o pesquisador encontre alguma comunalidade abaixo desse patamar, a variável deve ser excluída e a análise fatorial deve ser realizada novamente. Além disso, a baixa comunalidade entre um grupo de variáveis é um indício de que elas não estão linearmente correlacionadas e, por isso, não devem ser incluídas na análise fatorial. Em uma perspectiva mais conservadora, seria aconselhável excluí-la da análise e realizar novamente a análise fatorial. Depois de eliminar as variáveis problemáticas (associadas ao baixo grau de comunalidade), o pesquisador deve analisar as cargas fatoriais de cada variável em relação aos componentes extraídos.

Para os nossos propósitos, não seria racional eliminar justamente as variáveis que são o objetivo do estudo; portanto, optou-se em realizar  a análise fatorial mantendo as variáveis, porém dividindo os dados em três grupos menores: Commodities e Indicadores de IDH; Commodities e Indicadores Sociais e Demográficos; e Commodities e Indicadores Econômicos. 

3.2.1 Commodities e Indicadores de IDH

Na Tabela 04 podem ser observadas as comunalidades, a proporção da variância captada pelos valores de cada variável, e as proporções da variância total explicadas pelos fatores de maneira individual para o grupo das Commodities e Indicadores de IDH. Sendo assim, a contribuição do Fator 1 foi de 43,44% e do Fator 2 de 22,38%. A contribuição total foi de 65,82%.

Tabela 04: Matriz de covariação dos Componentes Principais (Fatores - Commodities e Indicadores de IDH).

Variável
Fator 1
Fator 2
Comunalidade
VBPalg
0,5562
-0,3515
0,4504
VBPcan
0,5787
-0,5509
0,4744
VBPmilh
0,724
-0,5899
0,8721
VBPsoj
0,7341
-0,5807
0,8761
VBPbov
0,1886
0,5654
0,3552
IDHrend
0,8142
0,5396
0,82
IDHlong
0,7861
-0,5681
0,837
IDHeduc
0,7963
-0,5442
0,8313
Variância Explicada Acumulada (%)
Estatística T do Teste
P-valor
Variância Explicada (%)
43,44
22,38
65,82
747,0708
0,0000

Fonte: Resultados de Pesquisa

O primeiro fator mostrou-se positivo e fortemente correlacionado entre as variáveis IDH Renda, Longevidade e Educação com as variáveis VBP da Soja e do Milho. Observou-se também que as variáveis de IDH se relacionaram de maneira moderada com o VBP da Cana de Açúcar, porém neste caso não foi possível realizar conclusões precisas, já que a comunalidade de variável foi menor que 0,50.

Assim, no Fator 1 observou-se que os municípios que possuíam um alto VBP das culturas da Soja e do Milho, tiveram melhores IDHs, proporcionado neste quesito principalmente pelo aumento do IDH Renda, que possibilitou melhores perspectivas de desenvolvimento humano.

No Fator 2 relacionaram-se de maneira positiva os VBPs da Soja e do Milho, principalmente pelo fato de que os municípios que foram produtores de Soja no verão em Mato Grosso do Sul, também realizaram o cultivo do Milho através do sistema de rotação de culturas, na qual se  estabelece a sucessão de culturas na mesma área, com o plantio de inverno  do chamado  "Milho Safrinha".

Também verificou-se que dentro do  Fator 2 houve uma correlação negativa entre os VBPs de Soja e Milho com o VBP da Bovinocultura, porém como esta apresentou uma comunalidade foi baixa, não foi possível tirar conclusões precisas.

3.2.2 Commodities e Indicadores Sociais

A Tabela 05 apresenta os resultados da análise fatorial do grupo das Commodities e Indicadores Sociais e Demográficos. A variância explicada pelo Fator 1, Fator 2 e Fator 3 foram de 29,27%, 19,54% e 15,25%, respectivamente. A contribuição da variância total explicada foi  de 64,06%. 

Tabela 05: Matriz de covariação dos Componentes Principais (Fatores - Commodities e Indicadores Sociais).

Variável
Fator 1
Fator 2
Fator 3
Comunalidade
VBPalg
0,3898
0,3038
0,0828
0,2511
VBPcan
0,5425
0,3562
0,1065
0,5325
VBPmilh
0,7191
0,4561
0,4053
0,8893
VBPsoj
0,7179
0,4585
0,4113
0,8947
VBPbov
0,2279
-0,3894
-0,2129
0,6368
PesDom
-0,4436
0,0036
0,7477
0,7558
DocAgua%
0,5256
-0,2465
-0,1031
0,3476
MortInfant
0,3721
-0,7634
0,4409
0,9157
TxAlfab%
0,776
-0,1902
-0,3479
0,7593
PopOcup%
0,5446
0,0574
-0,5226
0,573
POP
0,424
-0,7683
0,3493
0,892
 
Variância Explicada Acumulada (%)
Estatística T do Teste
P-valor
Variância Explicada (%)
29,27
19,54
15,25
64,06
948,0965
0,0000

Fonte: Resultados de Pesquisa

Dentro do Fator 1 observou-se forte correlação positiva  dos VBPs de Soja e Milho com a Taxa de Alfabetização e moderada para VBP da Cana de Açúcar e População Ocupada. Neste sentido, estes resultados corroboram com a conclusão anterior verificadas no grupo das Comodities e IDH, ou seja, os municípios que são fortes produtores de Milho, Soja e Cana de Açúcar, possuem melhores sistemas de desenvolvimento educacionais e proporcionam maiores taxa de emprego; que consequentemente, elevam o IDH Educação e o IDH Renda.

No Fator 2 verificou-se uma forte correlação entre População e Taxa de Mortalidade Infantil, indicando que a segunda provavelmente foi proporcional a primeira nos municípios de MS, ou seja, se aumentou a população de um município é possível concluir que haveria aumento da Taxa de Mortalidade Infantil, que neste caso, impossibilita concluir se houve melhorias na saúde da população.

Já dentro do Fator 3 o Número de Pessoas por Domicílio foi inversamente proporcional a População Ocupada, ou seja, dentro do período analisado, conforme as pessoas foram encontrando emprego, diminuiu-se as famílias e a necessidade de complementação de renda para sustento familiar, além de que os trabalhadores conforme foram ganhando renda também foram construindo novas casas, aumentando assim o número de domicílios nos municípios Sul Matogrossenses.

Devido à baixa comunalidade não foi possível concluir nenhuma correlação entre os VBP do Algodão, bem como entre os Domicílios com Água Encanada.

3.2.3 Commodities e Indicadores Econômicos

Na Tabela 06 foi possível observar os resultados da análise fatorial entre as Commodities e os Indicadores Econômicos. A variância explicada pelo Fator 1 e Fator 2 foram de 41,46% e 28,35%, respectivamente. A contribuição da variância total explicada foi de 69,81%. 

Tabela 06: Matriz de covariação dos Componentes Principais (Fatores - Commodities e Indicadores Econômicos).

Variável
Fator 1
Fator 2
Comunalidade
VBPalg
0,3312
0,5559
0,5613
VBPcan
0,3515
0,5568
0,6336
VBPmilh
0,4888
0,7259
0,7658
VBPsoj
0,4935
0,744
0,797
VBPbov
0,4258
-0,6217
0,5961
PIBcapta
0,5401
0,5108
0,5526
PIB
0,8711
-0,4699
0,9796
VAImpost
0,8548
-0,4865
0,9673
VAAgro
0,7182
0,5575
0,8266
VAInd
0,846
-0,571
0,9376
VAServ
0,8412
-0,5039
0,9615
 
Variância Explicada Acumulada (%)
Estatística T do Teste
P-valor
Variância Explicada (%)
41,46
28,35
69,81
3151,4448
0,0000

Fonte: Resultados de Pesquisa

No Fator 1 relacionaram fortemente todos os indicadores econômicos; e dentro do Fator 2, observou-se que os VBPs da Soja,  do Milho, do Algodão e da Cana de Açúcar associaram-se de forma positiva ao PIB per capita e ao Valor Adicionado da Agropecuária; e de forma negativa ao PIB municipal, ao Valor Adicionado da Industria,  de Serviços e de Impostos. Já VBP da Bovinocultura se associou  de forma contrária: negativa com PIB per capita e Valor Adicionado da Agropecuária; e positiva ao PIB municipal, ao Valor Adicionado da Industria,  à Comércio e Serviços, e à Impostos.

Assim, para os municípios Agrícolas, o resultado positivo para o PIB per capita mostrou a importância do Agronegócio para aumentar a renda individual entre 2000 a 2010, enquanto que, em municípios que se predomina a Pecuária, a distribuição de renda é mais concentrada, mesmo que a Pecuária tenha forte correlação com o PIB municipal.

Também no Fator 02 foi possível verificar que o Valor Bruto da Produção da Soja, seguido do VBP do Milho, tiveram o maior peso dentro deste fator, com 0,74 e 0,73 respectivamente, concluindo que estes setores  foram os que mais influenciaram a os dados econômicos pesquisados.

4. Conclusão

Na primeira análise, o objetivo foi estabelecer  grupos específicos, ou seja, os municípios com maiores Valores Brutos da Produção de cada commodity, e com seus indicadores municipais observar como se comportava a taxa de crescimento dos indicadores socioeconômicos e demográficos no período de 2000 a 2010. Já na segunda análise, o objetivo recaiu sobre a relação entre os fatores socioeconômicos e demográficos com os Valores da Produção de cada commodity, utilizando também os dados municipais de Mato Grosso do Sul.

Com relação a cultura do Algodão, verificou-se que: entre as commodities foi a que teve o menor crescimento dentro do Estado; houve uma concentração da produção em três municípios (Costa Rica, Chapadão do Sul e São Gabriel do Oeste); foi a única commodity que apresentou um aumento na Mortalidade Infantil; e obteve o menor crescimento da População Ocupada.

Para a Cana de Açúcar, seu Valor Bruto da Produção foi o que teve a maior taxa de crescimento no MS (357,75%); os municípios que receberam os maiores investimentos nesta commodity estão localizados na região Sul do Estado; obteve o menor crescimento em Taxa de Alfabetização, mas, por outro lado, proporcionou o maior crescimento para os indicadores econômicos de PIB, PIB per capita e todos Valores Adicionados Setoriais, contribuindo com maior riqueza para os municípios.

A Soja e o Milho foram as commodities que mais fortemente estiveram relacionadas com os índices de IDH e Econômicos, ou seja, um aumento ou uma diminuição em seus Valores Brutos da Produção influenciam mais fortemente estes indicadores que as outras commodities. Estas duas commodities também tiveram seus Valores Brutos da Produção correlacionadas com a Taxa de Alfabetização, População Ocupada, Domicílios com Água Encanada, e inversamente correlacionadas a Mortalidade Infantil.

A Bovinocultura junto com a Cana de Açúcar propiciaram o maior crescimento em Valor Adicionado da Industria, o que era esperado principalmente pelo fato do processamento e beneficiamento destas commodities se dar dentro dos seus municípios pelos frigoríficos e usinas de açúcar e álcool, respectivamente. Também as duas foram as que proporcionaram maiores taxas de crescimento em PIB per capita entre as commodities.

A Bovinocultura proporcionou também a maior diminuição da Mortalidade Infantil, e o maior crescimento em relação ao IDH Longevidade e Educação. Porém teve o menor crescimento populacional em relação as commodities Agrícolas; bem como teve o menor crescimento de Valor Adicionado de Serviços entre as commodities pesquisadas.

Quanto aos fatores relacionados, a Bovinocultura apresentou um resultado interessante, mesmo com a maior taxa do PIB per capita representado pelos 10 municípios no período, quando realizado a análise fatorial utilizando os 77 municípios do Estado no ano de 2000 e 2010, verificou-se que houve uma correlação negativa entre os fatores do VBP da Bovinocultura e do PIB per capita. Provavelmente isto ocorreu porque a Bovinocultura e a única commodity entre as analisadas que é produzida em todos os municípios de Mato Grosso do Sul. Neste sentido é de supor que os municípios que são especializados nesta commodity possuem uma correlação positiva entre VBP da Bovinocultura e PIB per capita, o que não ocorre na maioria dos outros municípios.

Principalmente há duas lições importantes subjacentes à análise aqui
desenvolvida. A primeira é que tanto a atividade econômica quanto a atividade social respondem de formas diferentes quando ao tipo de commodity Agropecuária que está estabelecida em determinada região; e a segunda corrobora que o nível tecnológico ou especializado que a cadeia produtiva da commodity está constituída dentro de seu mercado interno também influenciará nos outros fatores econômicos e sociais.

Assim, a partir de então entender como funciona a interação entre as commodities e os indicadores socioeconômicos e demográficos foi possível entender as sinergias positivas e negativas e sua influência nos municípios de Mato Grosso do Sul; podendo inclusive utilizá-las como fomento para políticas publicas de incentivo aos seus setores, para que traga o mais efetivo desenvolvimento aos municípios e a população local.

Referências Bibliográficas

ANTLE, J. M. (1999);"The new economics of agriculture". American Journal of Agricultural Economics, p. 993-1010.

CEPEA (s.d.); Centro de Estudos Avançados em Economia Aplicada - ESALQ/USP. Disponível em: <http://www.cepea.esalq.usp.br/pib/other/Pib_Cepea_1994_2013_final.

xlsx>. Acessado em 03 de julho de 2015.

DA ROCHA, C. T. D (2015); "Agronegócio. Destaque Econômico e Importância Social". AgroANALYSIS. 35.1: 21-22.

DATASUS (s.d.); Sistema Único de Saúde. Ministério da Saúde. Disponível em: <http://www2.datasus.gov.br/DATASUS/index.php?area=0205>. Acessado em: 23 de maio de 2015.

DE CASTRO, L. S. (2013); Perfil de Desenvolvimento dos Municípios Mato-Grossenses: Uma Análise Comparativa entre os que Plantaram e Não Plantaram Soja, 2000 e 2010. Tese de Doutorado. Universidade Federal de Viçosa.

FIGUEIREDO FILHO, D. B.; Silva Junior, J. A (2010); "Visão além do alcance: uma introdução à Análise Fatorial". Opinião Publica,  Campinas ,  v. 16, n. 1, p. 160-185.

GASQUES, J. G.; Rezende, G. C. D.; Villa Verde, C. M.; Salerno, M. S., Da Conceição, J. C. P.; Carvalho, J. C. D. S. (2004); "Desempenho e crescimento do agronegócio no Brasil". Repositório IPEA. Disponível em: http://hdl.handle.net/11058/2701. Acessado em: 23 de maio de 2015.

IBGE (s.d.); Instituto Brasileiro de Geografia e Estatística. Disponível em: <www.ibge.gov.br/sidra>. Acessado em: 23 de maio de 2015.

JANK, M. S., Nassar, A. M., & Tachinardi, M. H. (2005); "Agronegócio e comércio exterior brasileiro". Revista USP, (64), 14-27.

JOBBINS, E. F. (2015); Reforma da Educação Básica e o Programa de  Ampliação do Ensino Fundamental de Nove Anos no Município de Corumbá–MS. Dissertação de Mestrado. Universidade Federal de Mato Grosso do Sul.

_____. Lei Nº 328/82. Disponível em: <http://www.imasul.ms.gov.br/legislacao-ambiental/Lei/328>. Acessado em: 15 junho 2015.

_____. Lei Nº 3.357/07. Disponível em: <http://www.imasul.ms.gov.br/legislacao-ambiental/Lei/3357>. Acessado em: 15 junho 2015.

MAPA (s.d.);  Ministério da Agricultura, Pecuária e Abastecimento. Disponível em: <http://www.agricultura.gov.br/ministerio/gestao-estrategica/valor-bruto-da-producao> Acessado em: 14 de novembro de 2015.

PAM-IBGE (2008); Rio de Janeiro: IBGE.  Disponível em: <http://biblioteca.ibge.gov.br/visualizacao/periodicos/66/pam_2008_v35_br.pdf>. Acessado em: 01 de novembro de 2015.

PAM-IBGE (2010); Rio de Janeiro: IBGE.  Disponível em: <http://biblioteca.ibge.gov.br/visualizacao/periodicos/66/pam_2010_v37_br.pdf>. Acessado em: 01 de novembro de 2015.

SIEGEL, S.; Castellan, N. J (1988); Nonparametric statistics for the behavioral sciences.

UNICA (s.d.); União da Indústria de Cana de Açúcar. Disponível em: <http://www.unica.com.br/> Acessado em: 01 de novembro de 2015.

1. Doutorando do Programa de Pós-Graduação em Ciências Ambientais e Sustentabilidade Agropecuária - Universidade Católica Dom Bosco (UCDB), Campo Grande, MS, Brasil (alexpegorare@hotmail.com)
2. Professor no Programa de Pós-Graduação em Ciências Ambientais e Sustentabilidade Agropecuária - Universidade Católica Dom Bosco (UCDB), Campo Grande, MS, Brasil (michel@ucdb.br)

3. Professor no Programa de Pós-Graduação em Economia – Universidade Católica de Brasília (UCB), Brasília, DF, Brasil (tito@udb.br)

4. Professor de Direito – Centro Universitário de Brasília (UniCEUB), Brasília, DF, Brasil


Vol. 37 (Nº 14) Año 2016

[Índice]

[En caso de encontrar algún error en este website favor enviar email a webmaster]