O Rural Nordestino Cen - Rios, Ajustes e Desafios

O Rural
Nordestino:
Cenários Ajustes
e Desafios
UNIVERSIDADE FEDERAL DO CEARÁ
Reitor
Henry de Holanda Campos
CENTRO DE CIÊNCIAS AGRÁRIAS

Sônia Maria Pinheiro de Oliveira
DEPARTAMENTO DE ECONOMIA AGRÍCOLA

Rogério César Pereira de Araújo
CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA RURAL

Jair Andrade Araujo
ORGANIZADORES
Jair Andrade Araujo
Edward Martins Costa
Camila Pereira Brígido Rodrigues
Luciana de Oliveira Rodrigues
Silvia Patrícia da Silva Duarte
CONSELHO EDITORIAL
Jair Andrade Araujo
Jair Andrade Araujo
Luciana de Oliveira Rodrigues
(Organizadores)
O Rural
Nordestino:
Cenários Ajustes
e Desafios
Fortaleza
2016
O Rural Nordestino: Cenários Ajustes e Desafios
© 2016 Copyright by Jair Andrade Araujo, Edward Martins Costa,
Camila Pereira Brígido Rodrigues, Luciana de Oliveira Rodrigues e
(Organizadores)
Impresso no Brasil / Printed in Brazil
Capa, projeto Gráfico e Diagramação

Luiz Carlos Azevedo
FICHA CATALOGRÁFICA
Universidade Federal do Ceará
Bibiotecária................................
SUMÁRIO
PREFÁCIO..................................................................................... 7
Capítulo 1 – AS LAVOURAS DE SEQUEIRO E A SECA NO

SEMIÁRIDO BRASILEIRO......................................................... 15
Patrícia Verônica Pinheiro Sales Lima, Daiane Felix Santiago
Mesquita, Plínio Esteban Ramirez Alvarez e Fellipy Augusto
Holanda Chaves
Capítulo 2 – ASPECTOS DA VIOLÊNCIA: UMA ANÁLISE

DO DIFERENCIAL ENTRE OS AMBIENTES URBANO
E RURAL NA PARAÍBA ............................................................. 43
Otoniel Rodrigues dos Anjos Júnior, Juliane da Silva Ciríaco,
Magno Vamberto Batista da Silva e Ivan Targino Moreira
Capítulo 3 – COINTEGRAÇÃO E TRANSMISSÃO DE PREÇOS

NA AVICULTURA EM PERNAMBUCO ..................................... 77
Andson Freitas de Melo, Wellington Ribeiro Justo, Alan Francisco
Carvalho Pereira e Andréa Ferreira Da Silva
Capítulo 4 –EFICIÊNCIA TÉCNICA AGROPECUÁRIA NO

ESTADO DA BAHIA E SEUS FATORES CONDICIONANTES
NO CURTO E LONGO PRAZO.................................................. 105
Diogo Brito Sobreira, Soraia Araújo Madeira, Carlos Otávio de
Freitas e João Eustáquio de Lima
Capítulo 5 – ESTUDO DO NIVEL TECNOLÓGICO DA

APICULTURA FAMILIAR DO MUNICIPIO DE CARIUS
CEARÁ NO PERIODO DE 2015 ............................................... 139
Vitória Bezerra de Souza. Yure Révelles, Otácio Pereira Gomes
e Maria Rosa Dionisio Almeida
Capítulo 6 – ÍNDICE TECNOLOGICO DOS PRODUTORES

DE BANANA IRRIGADA NO MUNICIPIO DE IGUATU
NO CENTRO-SUL CEARENSE ................................................ 163
Francisco Rômulo Almeida de Oliveira, Domingos Isaias Maia
Amorim, Otácio Pereira Gomes e Marcelo Ximenes Teles da Rosa
Capítulo 7 – NÍVEL TECNOLÓGICO E SEUS DETERMINANTES
NA MICRORREGIÃO IGUATU NO ESTADO DO CEARÁ ........ 189
Domingos Isaias Maia Amorim, Francisco Rômulo Almeida de
Oliveira, Otácio Pereira Gomes e Marcelo Ximenes Teles da Rosa
Capítulo 8 – O RENDIMENTO MÉDIO AGRÍCOLA E O

REGIME DE CHUVAS NO ESTADO DA PARAÍBA: UMA
ANÁLISE ESPACIAL PARA O ANO DE 2014 ........................... 217
Otoniel Rodrigues dos Anjos Júnior, José Carlos Araújo Amarante,
Ivan Targino Moreira e Patrícia Araújo Amarante
ARTIGOS PREMIADOS
Capítulo 9 – A POBREZA RURAL NO NORDESTE DO

BRASIL .................................................................................... 245
Andréa Ferreira da Silva, Jair Andrade Araujo e Janaildo
Soares de Sousa
Capítulo 10 – DIFERENÇAS DE PROBABILIDADE NO

TRABALHO INFANTO-JUVENIL NAS ÁREAS RURAIS
DO NORDESTE: UMA ANÁLISE CONSIDERANDO
OS DADOS DA PNAD DOS ANOS DE 2002 E 2014 ............. 279
Celina Santos de Oliveira, Otoniel Rodrigues dos Anjos
Júnior e Juliane da Silva Ciríaco
ARTIGO EXTRA
Capítulo 11 – NÍVEL DE EFICIÊNCIA DA CAPRINO-

OVINOCULTURA NOS TERRITÓRIOS DA CIDADANIA,
CEARÁ ..................................................................................... 307
Jair Andrade Araújo, Kilmer Coelho Campos e José Cesar
Vieira Pinheiro
PREFÁCIO
Zander Navarro1
No último meio século, a economia agropecuária brasileira,

assim como a vida social rural, vêm observando intensas e abran-
gentes transformações estruturais. Deixamos uma situação ini-
cial, na qual o país era quase exclusivamente um exportador de
café, pontilhado de pequenas e primitivas agriculturas regionais,
para a concretização de uma pujante e globalizada capacidade
produtiva atual. Além de exportar dezenas de mercadorias agrí-
colas, produtos de origem animal e fibras, que são vendidas em
quase todos os países, o Brasil encontra-se em movimento imi-
nente de ultrapassagem dos Estados Unidos, alçando-se como
o país exportador de alimentos mais importante do mundo. A
antevisão que se fazia, décadas atrás, de apontar o Brasil como
um potencial “celeiro do mundo”, deixou de ser apenas uma pro-
messa, sendo hoje uma realidade.
Como se trata de um país continental, esse foi processo de
mudança que, inevitavelmente, vem aprofundando enorme he-
terogeneidade, pois marcado por distintas “dinâmicas regionais”
associadas a variados processos sociais e institucionais, os quais
refletem situações igualmente diferenciadas de aprofundamento
econômico-financeiro e expansão produtiva movida pela inten-
sificação tecnológica e por aumentos incessantes da produtivi-
1
Doutor em Sociologia, pesquisador (Embrapa, Brasília). Livros recentes
(autor e/ou organizador, em coautoria): Agricultura brasileira. Desem-
penho, desafios e perspectivas (IPEA, 2010); Agricultura familiar:
é preciso mudar para avançar (Embrapa, 2011); A pequena produ-
ção rural e as tendências do desenvolvimento agrário brasileiro:
ganhar tempo é possível? (CGEE, 2013); O mundo rural no Brasil
do século 21. A formação de um novo padrão agrário e agrícola
(Embrapa e Unicamp, 2014) e Novo mundo rural. A antiga questão
agrária e os caminhos futuros da agropecuária no Brasil (Unesp,
2015). Autor do artigo “O mundo rural no novo século (Um ensaio de inter-
pretação)”, publicado no livro Agricultura, transformação produtiva
e sustentabilidade (IPEA, 2016, p. 25-64).
O Rural Nordestino: Cenários, Ajustes e Desafios 7

dade geral. Como é notório e assentado na literatura, períodos
de longa duração de expansão e crescimento, no capitalismo,
produzem, em especial, a heterogeneidade de seus resultados.
Surgiram assim regiões novas onde explodiu a “produção de di-
nheiro” e a modernização econômica observou o nascimento de
cidades marcadas pela prosperidade. Mas, ao mesmo tempo (e
em decorrência) em que as distâncias sociais e econômicas entre
regiões rurais e entre as classes sociais acentuaram-se – sobretu-
do quando se compara o Nordeste e o Norte rurais com o restante
do país. Ainda mais grave, as assimetrias sociais entre os grupos
de produtores se tornaram agudas, sem precedentes em nossa
história agrária.
São inúmeros os fatos empíricos e os indicadores estatísticos
que poderiam ilustrar, no período citado, a extraordinária trans-
formação do setor em seus aspectos principais, da produção à
produtividade, da ação das firmas aos demais atores sociais, da
multiplicação de mercados ao adensamento do progresso técni-
co, dos processos sociais às mudanças de mentalidades. No caso
brasileiro, adicionalmente, observou-se um movimento espacial
de grande significação, pois amplas regiões do Cerrado foram
ocupadas nesses cinquenta anos referidos. Em 2015, os dez mu-
nicípios com maiores valores da produção agropecuária forma-
ram um arco que se estende de São Desidério, no oeste da Bahia,
desce ao sul goiano, incluindo Jataí e Rio Verde, e sobe nova-
mente ao outro extremo, no oeste do Mato Grosso, chegando a
Campo Novo do Parecis e Sapezal. É somente uma ilustração de
um fato empírico que demonstra a amplitude das mudanças pe-
los ângulos monetário e geográfico.
Trata-se de um “admirável novo mundo (rural)”, cuja evi-
denciação, no entanto, ainda permanece confinada ao conheci-
mento daqueles diretamente envolvidos. A sociedade brasileira,
no geral, ignora essa extraordinária aventura de transformação
de suas regiões rurais, especialmente em sua dualidade mais
evidente: de um lado, a face virtuosa do crescimento da pro-
dução e da produtividade, alçando o país à condição de um
dos maiores ofertantes de alimentos do mundo, sob a direção
8 O Rural Nordestino: Cenários, Ajustes e Desafios

ativa de um empresariado rural aberto às inovações e movido
pela “sede do lucro”. Mas em movimento de transformação
que também inclui milhares de médios e, inclusive, pequenos
produtores que igualmente se orientam pela busca de ganhos
crescentes, almejam a integração aos mercados e também são
receptivos aos processos de modernização tecnológica de suas
atividades agropecuárias.
De outro lado, contudo, a face perversa da seletividade, pois
a diferenciação social, nas regiões rurais, engloba um grupo de
vencedores, aqueles que vêm conseguindo se integrar aos mer-
cados e persistir na atividade, mas, de outro lado, identifica um
crescente (e amplamente majoritário) grupo de famílias rurais
perdedoras, condenadas ao abandono da atividade agropecuária.
Com os esforços de integração dos mercados e o aperfeiçoamen-
to da distribuição em todo o território nacional, são grupos de
produtores mais e mais pressionados pelo acirramento concor-
rencial, ameaçados pela oferta de produtos oriundos de outras
regiões mais modernizadas e competitivas. Como discutimos in-
suficientemente tais tendências, também a ação governamental
vem demonstrando lacunas crescentes e resultados ineficientes,
pois sua lógica de intervenção, em quase todas as situações (mal-
grado as notáveis exceções conhecidas), ainda permanece guia-
da pelo passado, sem se dedicar como deveria aos exercícios de
apreensão do presente e seus desafios principais.
Historicamente, os temas associados ao “mundo rural”, no
ensaísmo brasileiro, têm sido intensamente marcados por algu-
mas poucas facetas mais salientes. O mais destacado deles, sem
dúvida, corresponde à desigual distribuição na posse da terra,
sendo esta uma assimetria estrutural que gerou, desde a segun-
da metade do século 19, diferentes (e crescentes) clamores em
relação à necessidade de democratização no acesso aos recur-
sos fundiários. Em relação a esse tema a história brasileira tem
mostrado, contudo, ações lentas e tardias, pois apenas a partir
de meados da década de 1990 observamos um processo de redis-
tribuição de terra que ofereceu, desde então, parcelas de terras a
quase um milhão de famílias rurais pobres.

A face iníqua da distribuição da terra, no Brasil, em face de
sua magnitude histórica e as consequências sociais e econômi-
cas acarretadas, como a ausência de direitos no campo até um
período muito recente, acabou se tornando, na literatura, até
mesmo sinônimo da nossa “questão agrária”. Não obstante o
equívoco conceitual, pois o debate teórico e os ângulos políti-
cos sobre tal “questão” se estendem além do que seria apenas
a distribuição da terra, esta é uma ilustração, entretanto, que
demonstra a natureza ligeira e superficial sob a qual a sociedade
enxerga o campo, incluindo não apenas a economia agropecu-
ária, mas a vida social rural em seus multifacetados aspectos.
Não discutimos como deveríamos o imenso interior rural do
país em sua surpreendente diversidade, sobretudo as varia-
ções das formas sociais de produção, as dinâmicas regionais,
as transformações estruturais e os processos mais significati-
vos em curso. As regiões rurais brasileiras, ao contrário do que
poderia sugerir o senso comum, têm se tornado extremamente
complexas e desafiadoras, não apenas para os estudiosos, mas,
em particular, para a concretização de ações governamentais
que possam produzir resultados virtuosos, tanto para o aper-
feiçoamento produtivo como, também, para a elevação do bem
estar das populações rurais.
Confrontado pelo imenso conjunto de transformações do pe-
ríodo, nos anos recentes vêm emergindo fortemente o que pode-
ria ser chamado de “o desafio da interpretação”. Ou seja, realizar
um esforço muito mais robusto, multidisciplinar e fortemente
ancorado em evidências empíricas, sustentado em metodolo-
gias sólidas e arcabouços teóricos caracterizados pela excelência
analítica, esse esforço resultando em uma capacidade explicativa
acerca do desenvolvimento agrário brasileiro de muito maior de-
senvoltura e alcance. As Ciências Sociais dedicadas aos processos
sociais rurais têm sido ativas na oferta de rigorosos estudos seto-
riais, na análise de algumas cadeias produtivas, na utilização de
métodos modernos para explicar determinados aspectos econô-
micos ou financeiros que são típicos de alguns ramos produtivos.
Mas ainda inexiste uma “história rural brasileira” que possa ser

amplamente aceita, pelo menos aquela que analisaria os últimos
cinquenta anos e pudesse explicar o conjunto das mudanças em
sua inteligibilidade lógica. Parece inacreditável que no Brasil
ainda não tenhamos iniciativas acadêmicas e de pesquisa que te-
nham se dedicado a esse objetivo – interpretar o desenvolvimen-
to agrário brasileiro no período contemporâneo. Infelizmente.
No último meio século, até mesmo alguns campos disciplinares,
como a Geografia, a Ciência Política, a Antropologia, a Demogra-
fia e até mesmo a História, no geral, relegou os estudos rurais
ao desinteresse, pouco produzindo em termos de conhecimento
relevante. Apenas a Sociologia e a Economia, em particular, se
dedicaram mais à análise de tais processos circunscritos aos am-
bientes empíricos do rural brasileiro. Chegamos a um momento
histórico, portanto, sob o qual é ainda muito rarefeito o conhe-
cimento existente, do ponto de vista da produção científica que
analisa o campo e seus processos e tendências.
Em face da magnitude gigantesca da tarefa, no entanto, a in-
terpretação mais geral e nacional demandaria esforço de ampla
equipe de pesquisadores e longo tempo de maturação e, assim,
os esforços regionais, setoriais, descritivos e de âmbito social e
espacial, ainda que mais circunscritos, representam um esforço
de enorme importância. São as peças da pesquisa subnacional
que, movidas por uma compreensão do todo, permitirão futura-
mente formar o mosaico explicativo que se procura, completan-
do o que ainda é, para os interessados, um quebra-cabeça a ser
desvendado. As equipes de pesquisa associadas às universidades
e institutos de pesquisa estaduais, quando desenvolvem proje-
tos centrados em suas problemáticas regionais mais específicas,
oferecem um riquíssimo acervo novo de conhecimentos, os quais
completarão uma visão nacional que, gradualmente, poderá ser
construída. Talvez venha ser assim que, nos anos vindouros, o
“problema da interpretação” do desenvolvimento agrícola e agrá-
rio do Brasil poderá encontrar sua solução, quando finalmente
compartilharemos uma visão da história rural do país que seja
consistente em termos analíticos e possa ser amplamente aceita
pelos interessados.

A realização do “IV Simpósio em Economia Rural”, promo-
vido em junho de 2016 pelo Mestrado Acadêmico em Economia
Rural da Universidade Federal do Ceará, situa-se no âmbito de
tais esforços. A seleção de parte dos trabalhos apresentados na-
quele evento e agora lançado nesta coletânea, em consequência,
representa preciosa contribuição para que possamos ir preen-
chendo lacunas, aqui e acolá, gradualmente desvendando os me-
canismos mais essenciais da interpretação acima referida. São
dez capítulos que resultam de cuidadosas pesquisas, realizadas
em diferentes estados nordestinos, os quais lidam com diferentes
temáticas, todas relevantes, seja do ponto de vista analítico ou,
então, no tocante aos processos analisados pelos autores.
Os trabalhos aqui reunidos, grosso modo, dividem-se em
dois grandes grupos. O primeiro deles, mais homogêneo, reúne
seis capítulos que discutem focos típicos da Economia Agrícola e
cujo mérito reside ou na escolha de metodologias modernas de
análise ou, então, voltam-se ao estudo empírico de ramos pro-
dutivos que eram ainda desconhecidos. Três desses estudos se
dedicam, por exemplo, a esmiuçar os aspectos mais essenciais
dos formatos tecnológicos implantados por produtores em suas
atividades, todos os capítulos investigando situações concretas
de produção no Ceará. Os demais artigos analisaram as situa-
ções dos cultivos de sequeiro no semiárido, os determinantes da
eficiência técnica na agricultura da Bahia e, finalmente, o último
deles analisa a situação da avicultura em Pernambuco.
O segundo bloco de capítulos, por sua vez, introduz quatro
temas distintos entre si, todos eles de nítida importância analíti-
ca, como os primeiros citados acima. São estudos que examinam
o rural a partir de outros ângulos, alguns até mesmo incomuns,
como o tema da violência rural, hoje uma ameaça que não é ape-
nas nordestina, mas nacional. Os autores sugerem que o cres-
cimento da criminalidade urbana vem “transbordando” para os
ambientes sociais rurais, com o estudo se concentrando no caso
da Paraíba. Outro dos capítulos desse segundo grupo de traba-
lhos analisa as relações entre os rendimentos médios agrícolas
obtidos e as variações nos regimes de chuva, também na Paraíba.

Os dois últimos, por sua vez, investigam tanto um tema clássico
de estudo no Nordeste – a pobreza rural – como um tema que é
mais raramente estudado, relacionado às chances probabilísticas
de ocorrência do trabalho infanto-juvenil em áreas rurais, para
tanto se utilizando séries estatísticas das PNADs.
Tomados em seu conjunto, os dez capítulos reunidos nesta
coletânea demonstram o que foi antes afirmado: são estudos que
analisam temas específicos de uma gigantesca região brasileira, o
Nordeste rural, e sob ângulos diversos, produzindo conhecimen-
to relevante sobre os processos econômico-financeiros e pro-
dutivo-tecnológicos, de um lado, e sobre processos sociais, de-
mográficos e político-institucionais, como aqueles relacionados
à criminalidade rural. Ou seja, formam um conjunto articulado
e variado que reflete as necessidades de conhecimento sobre os
ambientes rurais que vêm se transformando rapidamente, como
antes enfatizado. Particularmente em relação ao Nordeste rural,
os estudos aportam conhecimentos de óbvia relevância, sobre-
tudo quando esta imensa região, que é a mais populosa e a mais
pobre, comparadas todas as regiões do Brasil rural, vem obser-
vando crescentes ameaças ao futuro das famílias produtoras, seja
pela exacerbação das mudanças climáticas ou, então, por proces-
sos demográficos de esvaziamento do campo, sem citar outras
causas igualmente relevantes para explicar as condições produ-
tivas do grande conjunto dos estabelecimentos rurais de menor
porte econômico.
Que a leitura dos capítulos do livro demonstre a sua rele-
vância e, ainda mais, estimule a reiteração anual dos simpósios
até aqui realizados, também estimulando a produção de novas
pesquisas que adensem o conhecimento das situações sociais e
econômicas do mundo rural nordestino. Se iremos materializar,
algum dia, um conhecimento sólido sobre o desenvolvimento
agrário do país, o Nordeste rural precisa ser profundamente co-
nhecido e interpretado em seu passado recente, nos permitindo
iluminar o presente e, em especial, prever os caminhos do futu-
ro. Esta coletânea representa uma contribuição importante nesta
direção.

C apítulo 1
AS LAVOURAS DE SEQUEIRO E A SECA NO
SEMIÁRIDO BRASILEIRO
Patrícia Verônica Pinheiro Sales Lima2;

Daiane Felix Santiago Mesquita3;
Plinio Esteban Ramirez Alvarez4;
Fellipy Augusto Holanda Chaves5
RESUMO
Buscou-se estimar as perdas médias das lavouras de sequeiro do semiá-

rido. Para tanto, os indicadores selecionados foram área plantada, pro-
dução, valor da produção e produtividade das lavouras de feijão, man-
dioca e milho. Foi construído um índice agregado de perdas médias das
lavouras de sequeiro, seguido de análise de agrupamento. Foi possível
concluir que existem diferenças significativas entre os municípios da re-
gião quanto às perdas médias das lavouras de sequeiro, o que demanda
intervenções locais no âmbito da redução dos impactos da seca.
Palavras-chave: Política Pública, Indicadores Agrícolas,
Vulnerabilidade.
1 INTRODUÇÃO
“A agricultura é a mãe de todas as artes: quando é bem con-
duzida, todas as outras artes prosperam; mas quando é ne-
gligenciada, todas as outras artes declinam, tanto na terra
como no mar “. Filósofo grego Xenofonte
O Semiárido Brasileiro (SAB) é a região mais vulnerável às

mudanças climáticas no Brasil (BAETTIG et al., 2007; IPCC,
2
Universidade Federal do Ceará - E-mail: [email protected]
3
Universidade Federal do Ceará - E-mail : [email protected]
4
Universidad Nacional de Asunción - E-mail : [email protected]
5
Universidade Federal do Ceará - E-mail : [email protected]

2014). Dentre as regiões semiáridas do mundo, é a mais popu-
losa (AB´SÁBER, 1999; CIRILO et al., 2010), com 21,7 milhões
de habitantes (11,4% da população brasileira, dados referentes a
2010). Além disso, é a região com maior proporção de pobres do
país (BUAINAIN; GARCIA, 2013).
Apesar da seca ser um problema local crônico, com sérias con-
sequências socioeconômicas, o seu enfrentamento sempre esteve
reduzido à garantia de oferta de recursos hídricos (SIETZ et al.,
2006; LEMOS, 2007). Isso se deu por meio de diferentes soluções:
construção de açudes, adutoras, cisternas, barragens subterrâneas
e perfuração de poços (CARVALHO, 2004; BRANCO et al, 2005).
Essas estratégias transformaram o SAB em uma das regiões com
maior capacidade de armazenamento de água do mundo (SUAS-
SUNA, 2006; SILVA, 2007), mas não foram capazes de resolver o
problema da escassez desse recurso, tampouco de criar capacidade
adaptativa na população ou torná-la menos vulnerável às secas
(OBERMAIER, 2011). Ao contrário, favoreceram uma organização
geoeconômica das mais desiguais com elevada proporção de
pobres, especialmente nas áreas rurais.
No que se refere à produção agrícola, observa-se que existem
pólos produtivos onde se encontram projetos de irrigação, voltados
para a produção de commodities como soja e frutas, direcionadas
à exportação (ELIAS; PEQUENO, 2011). No entanto, o que preva-
lece entre a maior parte dos produtores rurais é uma agricultura
caracterizada por baixos níveis tecnológicos e de capital econômi-
co e pelo cultivo de lavouras de sequeiro como feijão, mandioca e
milho. É fácil entender que a agricultura de sequeiro se encontra
entre as atividades mais atingidas pelas secas recorrentes, seja por
depender diretamente da água das chuvas, seja por ser cultivada
principalmente pelos pequenos produtores pobres.
As intervenções voltadas aos pequenos produtores rurais no
semiárido, caso do PRONAF, dos programas de distribuição de
sementes mais resistentes e algumas medidas mitigadoras como
as cisternas de placa, conseguiram atenuar os impactos da seca
(CAMPOS; STUDART, 2008). No entanto, existem evidências
de que as lavouras de sequeiro continuam vulneráveis às secas

(MESQUITA, 2016; LIRA, 2016). É sabido que a cada seca ocor-
rem elevadas perdas nos cultivos de feijão, mandioca e milho e
agravam-se as condições socioeconômicas dos agricultores.
Dentre os fatores limitantes de bons resultados das políticas
públicas para as áreas rurais do semiárido brasileiro, um deles é
o caráter generalista sob o qual são elaboradas. Percebe-se que a
região é tratada como um espaço homogêneo onde as demandas
são as mesmas em toda a sua extensão de 969,6 mil km2. Essa
visão dificulta uma melhor distribuição de recursos segundo as
prioridades locais.
A falta de informações contribui para essa situação. De fato,
a maior parte das pesquisas produzidas para o semiárido não
ressalta a existência de subespaços regionais. Além disso, geral-
mente são adotadas escalas espaciais pouco úteis nos processos
de planejamento de políticas públicas em nível estadual ou fede-
ral. É o caso de i) estudos de caso realizados em comunidades
rurais e, portanto, restritos ao universo de estudo e ii) estudos
que envolvem apenas municípios de uma determinada unidade
federativa componente do semiárido. Estudos dessa natureza
são relevantes para a definição de intervenções de âmbito local,
mas não permitem análises comparativas mais abrangentes.
No contexto colocado, o presente artigo tem como objetivo
estimar as perdas médias das lavouras de sequeiro do semiárido
em anos de seca, a partir de uma escala municipal. Dessa for-
ma, pretende-se trazer pelo menos três contribuições úteis aos
planejadores de políticas agrícolas para a região: i) a identifica-
ção de qual indicador agrícola é o mais afetado pelas secas (área
plantada, produção, valor da produção ou produtividade), ii) a
identificação de qual das três lavouras (feijão, mandioca e milho)
apresenta as maiores perdas e iii) a identificação das áreas/mu-
nicípios mais impactados. Tais contribuições são relevantes, pois
uma boa estratégia para redução dos riscos da seca deve estar
amparada na disponibilidade de informações confiáveis (O’ME-
AGHER et al., 2000). Além disso, são direcionadas a uma região
com poucos meios de lidar com o problema e onde prevalecem
atividades econômicas dependentes das condições climáticas.

2 ENTENDENDO A RELAÇÃO ENTRE SECAS E
OS INDICADORES AGRÍCOLAS DAS LAVOU-
RAS DE SUBSISTÊNCIA
Na literatura, não existe uma definição universal aceita ou

um consenso a respeito da terminologia seca. Segundo Campos e
Studart (2001, p. 9):
no Nordeste Brasileiro, a palavra seca adquiriu uma conotação
bem particular. Na Região, a seca está intimamente associada
à penúria, à fome, ao êxodo rural, aos carros pipas e às frentes
de serviço. Para o camponês nordestino, seca e catástrofe so-
cial são sinônimos.
Pereira et al. (2002, p. 6), mesmo admitindo ser difícil em-

pregar uma definição que descreva fielmente a seca, conceituam
como um evento que:
[...] consiste numa persistente precipitação abaixo da média,
com freqüência, duração e severidade incertas, devido à im-
previsibilidade ou dificuldade de se prever sua ocorrência, re-
sultando na diminuição da disponibilidade de água e na redu-
ção da capacidade de armazenamento do ecossistema.
Existem vários tipos de seca. Dentre as mais citadas pelos

estudiosos do tema estão as secas meteorológicas, hidrológicas,
agrícolas e socioeconômicas (BLAIN; BRUNINI, 2005). As secas
meteorológicas são caracterizadas pelo índice de precipitação, as
secas hidrológicas pelo desempenho no fluxo dos rios e as secas
agrícolas pela umidade do solo e respostas das culturas (ROSEN-
DO, 2014). A seca socioeconômica é uma resposta aos demais
tipos de seca e é caracterizada em termos monetários (KEYAN-
TASH; DRACUP, 2002). De uma formal geral, todos os tipos de
secas têm em comum uma deficiência na precipitação que pode
implicar na baixa disponibilidade de água para as atividades eco-
nômicas, especialmente a agricultura (SILVA, 2002).
No Brasil a seca atua regularmente na região semiárida. Em
alguns anos, embora raros, há excesso de chuvas, mas os anos
de estiagem são bem mais frequentes e prolongados. Adicional-

mente à instabilidade climática, outras características locais co-
locam a agricultura como uma atividade de risco. É o caso da i)
predominância de solos com baixa fertilidade, rasos e formados
por rochas cristalinas que retêm pouca água e ii) elevadas taxas
de evapotranspiração, correspondente a 70% ao ano (CIRILO et
al., 2010), geralmente superiores às precipitações (CARVALHO,
2004; MENDONÇA; DANNI-OLIVEIRA, 2007). Apesar disso, a
agricultura de subsistência é a principal atividade desempenha-
da e o regime de sequeiro é amplamente empregado.
O feijão, a mandioca e o milho são as principais lavouras de
sequeiro cultivadas no SAB (CHACON; BURSZTYN, 2005). Os
pequenos agricultores familiares recorrem a estes cultivos pela fa-
miliaridade com os mesmos e por acreditarem que se adaptam às
condições da região (ANDRADE, 2013). O feijão é considerado um
dos alimentos básicos mais consumidos pela população da região.
As características como baixa exigência hídrica (mínimo de 300
mm por ano) e rusticidade para desenvolver-se em solos pouco
férteis tornou o feijão uma lavoura bastante difundida na região.
A mandioca é uma das culturas responsáveis por garantir a
segurança alimentar dos agricultores. Seu cultivo está presente
em quase todo o país, sendo explorada desde grandes áreas até
roçados ou fundo de quintais (AGUIAR, 2003). É socialmente
importante como lavoura de subsistência, principalmente, em
pequenas propriedades rurais. É utilizada amplamente para a
alimentação humana e animal, e pode ser consumida tanto na
forma “in natura” para as variedades de mandioca mansa, como
também na indústria. Sua eficiência em adaptar-se às condições
de solo e clima permite seu cultivo em regiões com ocorrência de
secas (SILVA et al 2009)
O milho (Zea mays L.) é um cereal consumido tanto na forma
“in natura” como na forma de seus derivados (farinha de milho, o
fubá, farelos, óleo e farinha integral). Em regiões de baixa renda
exerce um papel econômico e social bastante importante, como
por exemplo no Nordeste Semiárido, onde que é bastante consu-
mido como fonte de energia para a população local e na alimenta-
ção animal, especialmente de suínos e aves (DUARTE, 2010).

É inegável a importância econômica e social dessas três
lavouras de sequeiro para os agricultores familiares do SAB.
Também inegável é o impacto das secas nos indicadores agrícolas
a elas associados. Na Figura 1 observa-se uma tendência de
queda em todos os indicadores agrícolas das lavouras de feijão,
mandioca e milho. Nota-se, ainda, que em anos de seca mais in-
tensa, como 1997-1998 ou 2011-2012, há maiores picos negativos
nesses indicadores.
A baixa adaptabilidade às secas é preocupante, consideran-
do-se as previsões de que o Semiárido será a região brasileira
mais afetada pelas mudanças climáticas previstas para as próxi-
mas décadas. As projeções incluem secas mais frequentes e du-
radouras e elevação da temperatura entre 2ºC a 5ºC até o final
do Século XXI (MARENGO, 2007), perda da fertilidade do solo e
o aparecimento de regiões inabitáveis (CEDEPLAR e FIOCRUZ,
2008), além de queda na produção das culturas agrícolas (MAR-
GULIS et al, 2011, ASSAD et al, 2013). Segundo Pinto e Assad
(2008) as mudanças climáticas deverão diminuir a produtivida-
de das lavouras e a quantidade de municípios com potencial agrí-
cola nos anos 2020, 2050 e 2070, o que se configura uma ameaça
à segurança alimentar na região.
Segundo Mesquita (2016), a fragilidade dos sistemas de pro-
dução das lavouras de sequeiro (dependência única e exclusiva
das chuvas) as tornam altamente vulneráveis, o que se reflete nas
oscilações na área colhida, na produção e nos rendimentos por
hectares dessas lavouras. Assim, caso haja a concretização das
projeções de secas mais intensas e frequentes, as lavouras de fei-
jão, mandioca e milho serão potencialmente afetadas.
As consequências das secas sobre as lavouras de sequeiro
ultrapassam os pequenos produtores. A queda nos indicadores
agrícolas estão associadas à redução na oferta de alimentos,
elevação dos preços e aumento da pobreza (ANDERSEN et al.,
2014). Ressalte-se, ainda, o aparecimento de fluxos migrató-
rios, já que os agricultores provavelmente não terão outra ati-
vidade para se engajar no meio rural e, por consequência, serão

induzidos a emigrar para as cidades próximas e para outras ci-
dades das demais regiões do Brasil. Este fato incrementa a ur-
banização desses centros e, normalmente, provoca pressões so-
bre as precárias ou inexistentes infraestruturas dessas cidades,
contribuindo para o caos que se observa nas cidades de médio
e grande portes.

Figura 1: Comportamento dos indicadores agrícolas das
lavouras de feijão, mandioca e milho no Semiárido - 1996 a 2014.
Fonte: Mesquita (2016).
3 METODOLOGIA
3.1 Área de Estudo e Fonte dos Dados
Os dados utilizados no estudo foram extraídos da Pesquisa

Agrícola Municipal, publicada anualmente pelo Instituto Brasi-
leiro de Geografia e Estatística (IBGE). Os indicadores analisa-
dos foram área colhida, produção, valor da produção e produti-
vidade das lavouras de sequeiro: feijão mandioca e milho. Essas
lavouras foram escolhidas porque são as mais frequentes entre
os pequenos agricultores que praticam a agricultura de sequei-
ro e por estarem presentes em todos os municípios Semiárido
Brasileiro. O fato de serem praticadas no sistema de sequeiro as
torna altamente vulneráveis às secas (MARENGO, 2008).
O período de análise abrangeu os anos de 1990 a 2013. Na
correção dos valores monetários associados ao indicador valor
da produção foi adotado o IGP-DI da Fundação Getúlio Vargas,
referente a dezembro de 2013.
A pesquisa adotou como área de estudo o Semiárido Brasi-
leiro (SAB). O SAB é composto por 1.133 municípios distribuídos
em nove estados, sendo oito deles inseridos na região Nordeste

e um deles (Minas Gerais) na região Sudeste. No entanto, foram
excluídos aqueles municípios que apresentaram ausência de in-
formações em pelo menos um dos indicadores analisados, o que
levou a uma amostra de 1.047 municípios distribuídos da seguin-
te forma entre os estados: Alagoas (34), Bahia (265), Ceará (148),
Minas Gerais (85), Paraíba (115), Pernambuco (121), Piauí (126),
Rio Grande do Norte (125) e Sergipe (28).
3.2 Métodos de Análise
As perdas nas lavouras de sequeiro em decorrência da seca

foram estimadas a partir da média aritmética das perdas das la-
vouras de feijão, mandioca e milho, nos indicadores: área colhi-
da, produção, valor da produção e produtividade. Consideran-
do-se o período de análise, os anos 1991, 1992, 1997, 1998, 2001,
2002, 2012 e 2013 foram classificados como secos e os demais
como anos “não secos” conforme estudo realizado por Marengo
(2011) e informações divulgadas pela Fundação Cearense de Me-
teorologia e Recursos Hídricos - FUNCEME.
Assim:
(1)
Sendo:
PPSj = Índice de Perdas Médias das Lavouras de Sequeiro no j-é-
simo munícipio do Semiárido.
PMij = Perda percentual média da i-ésima lavoura no j-ésimo
munícipio do Semiárido.
n = número de lavouras de sequeiro (n = 3).
O valor do PPSj pode variar entre 0 (ausência de perda) e 100
(perda total)
A perda percentual média de cada lavoura e em cada municí-

pio foi obtida por meio da expressão:

(2)
Sendo:
VMNwj = Valor médio do w-ésimo indicador nos anos considera-
dos normais, no j-ésimo munícipio do Semiárido.
VMSwj = Valor médio do w-ésimo indicador nos anos considera-
dos secos, no j-ésimo munícipio do Semiárido.
m = número de indicadores agrícolas (m = 4).
No caso de numerador negativo, o que significa maior va-

lor para o indicador em ano de seca relativamente a ano normal,
considera-se a não ocorrência de perda, sendo atribuído o valor
zero a PMij.
Com o objetivo de classificar os municípios segundo as per-
das na lavouras de sequeiro e verificar se o semiárido possui he-
terogeneidade quanto a essa variável, optou-se pela técnica de
análise multivariada - Análise de Agrupamento.
Entende-se que:
a análise de agrupamentos (Cluster analysis) é uma técnica
estatística que permite ao pesquisador separar ou classificar
objetos observados em um grupo ou em número específico de
subgrupos ou conglomerados (Cluster s) mutuamente exclusi-
vos, de modo que os subgrupos formados tenham caracterís-
ticas de grande similaridade interna e grande dissimilaridade
externa (MOORI et al, 2002. p.71).
Assim, a análise de agrupamento pode ser empregada para

identificar subgrupos de municípios estatisticamente diferentes
entre si, porém compostos por municípios semelhantes quanto
às perdas nas lavouras de sequeiro.
Na análise de agrupamento a classificação dos indivíduos
(municípios) em um subgrupo é feita a partir de uma medida da
distância entre os mesmos. Os indivíduos mais semelhantes em
relação a uma ou mais características, apresentam menor distân-
cia entre si e são agrupados em um mesmo subgrupo. Já os mais
distantes (diferentes) são alocados em outros subgrupos.

Dentre as diferentes formas de medir a distância entre indi-
víduos, a distância euclidiana quadrada é a mais recomendada
(HÄRDLE e SIMAR, 2003) e foi adotada neste estudo:
(3)
Sendo:
D2k,l = Distância euclideana quadrada entre os indivíduos k e l.
Xi,k = Valor correspondente à i-ésima característica do indivíduo
k.
Xi,l = Valor correspondente à i-ésima característica do indivíduo
l.
No cálculo da distência euclideana foi considerada apenas uma
característica: o PPSj (Índice de Perdas Médias das Lavouras de
Sequeiro).
A aglomeração dos indívíduos com base nas distâncias en-

tre eles pode ser feita por diferentes métodos (ver detalhes em
Hair et al, 2009). Optou-se pelo procedimento hierárquico,
método k-médias. O procedimento hierárquico parte de n sub-
grupos com um indivíduo. Cada indivíduo vai sendo agrupado
a outro subgrupo semelhante. O processo é repetido até que
todos os indivíduos semelhantes sejam agrupados (FÁVERO
et al, 2009).
Os procedimentos hierárquicos oferecem diferentes méto-
dos de agrupamento. Segundo Moori et al.(2002) o método hie-
rárquico k- médias é utilizado quando se conhece previamente o
número de clusters que se pretende estudar. Essa particularida-
de justifica a sua escolha nesse estudo, haja vista que intencional-
mente buscou-se definir três classes de municípios: i) municípios
com menores perdas, ii) municípios com níveis intermediários
de perdas e iii) municípios com maiores perdas. O software uti-
lizado nessa análise foi o SPSS v.13.
Para melhor visualização da distribuição espacial das perdas
foi elaborado um mapa temático por meio do software ArcGis v10.

4 RESULTADOS E DISCUSSÃO
Esta seção encontra-se organizada en três subseções. Inicial-

mente são discutidas as perdas individuais de cada lavoura por
indicador agrícola avaliado. Em seguida, faz-se uma comparação
das lavouras quanto às perdas médias estimadas em cada indica-
dor e, por fim, apresenta-se uma análise agregada e espacial das
perdas médias das lavouras de sequeiro no semiárido. As tabelas
apresentadas nas subseções 4.1 e 4.2 referem-se a valores médios
considerando apenas os municípios que apresentaram perdas
percentuais positivas e maiores que zero. Além disso, optou-se
por agregar as informações apresentando as perdas médias dos
municípios sua respectiva unidade federativa.
4.1 Percentual de perdas médias das lavouras de

sequeiro por indicador agrícola
A lavoura de feijão encontra-se presente na quase totalidade

dos pequenos estabelecimentos agropecuários do Semiárido. Se-
gundo Santos et al (2002) costuma ser cultivada em regime de
sequeiro, o que contribui para baixa produtividade (em torno de
300 kg ha-1 de grãos), especialmente em comparação com a produ-
tividade observada em plantios irrigados (1.520 kg ha-1 de grãos).
Silva e Neves (2011) explicam que a produtividade baixa pode ser
decorrente da falta de adaptabilidade às condições climáticas.
Os resultados expostos na Tabela 1 corroboram a falta de
adaptabilidade da lavoura de feijão no Semiárido. As perdas mé-
dias observadas sugerem que os impactos da seca ocorrem nos
quatro indicadores agrícolas avaliados. Em termos de área plan-
tada Paraíba e Pernambuco apresentam as maiores perdas. Por
outro lado, a queda na produção de feijão ocorre mais fortemente
nos municípios do Ceará e do Piauí. Em termos médios, as meno-
res perdas ocorrem na área plantada, embora em alguns estados
as perdas sejam maiores na produtividade, talvez em decorrência
dos valores já reduzidos desse indicador, em anos não secos.
A maior intensidade dos impactos é observada no valor da
produção (preço médio multiplicado pela quantidade produzi-

da). Esse indicador tende a absorver as quedas na produção e
na área plantada, um comportamento esperado seria pequenas
perdas em anos não secos já que a queda na oferta do produto
tenderia a elevar seu preço. Como se trata de um alimento e, por-
tanto, com demanda inelástica, a queda no consumo deveria ser
proporcionalmente menor à elevação do preço, o que matema-
ticamente deveria elevar o valor total da produção. No entanto,
provavelmente o aumento significativo no valor da produção em
anos de seca não ocorre porque o aumento do preço não compen-
sa a perda na área plantada e na quantidade produzida.
Tabela 1: Percentuais de perdas médias do feijão, por indicador

agrícola e unidade federativa.
Unidade Área Valor da Produtivi-
Produção
Federativa plantada produção dade
Alagoas 13,6 20,3 19,9 11,5
Bahia 12,4 18,3 28,1 12,3
Ceará 13,6 35,2 36,1 27,3
Minas Gerais 12,5 15,8 23,6 10,5
Paraíba 23,0 30,4 41,2 14,4
Pernambuco 22,0 30,2 37,4 16,5
Piauí 11,9 41,1 39,5 39,0
Rio Grande
15,3 25,1 45,4 12,7
do Norte
Sergipe 15,6 22,6 23,4 8,4
Semiárido 15,2 26,9 34,4 18,1
Fonte: Dados da pesquisa.
A grande maioria das lavouras de mandioca do semiárido

não adota tecnologias (BARROS, 2004). Parte desse comporta-
mento ocorre devido à resistência da planta às condições edafo-
climáticas da região. Essa resistência tende a reduzir as perdas
nos indicadores área plantada e produção, mas não a eliminá-
-las. Considerando-se a região semiárida como um todo, os mu-
nicípios apresentam perda média de 17,7% no valor da produção

em anos de seca relativamente a anos não secos. No Piauí essa
perda alcança 30,3%. Por outro lado, reforçando a pressuposição
adotada neste estudo, de que o semiárido não é uma região ho-
mogênea, esse mesmo indicador não apresenta perdas entre os
municípios de Alagoas e perdas muito baixas em Sergipe.
Tabela 2: Percentuais de perdas médias da mandioca, por

indicador agrícola e unidade federativa.
Produção
Alagoas 10,5 7,5 - 2,3
Bahia 14,9 17,6 15,3 6,8
Ceará 9,7 13,2 18,3 12,7
Minas Gerais 9,3 10,7 18,9 7,7
Paraíba 15,3 18,8 25,3 11,7
Pernambuco 9,1 11,9 11,2 9,2
Piauí 12,1 22,7 30,3 19,0
Rio Grande
12,4 14,2 16,6 5,2
do Norte
Sergipe 5,0 5,2 1,4 1,9
Semiárido 12,0 15,4 17,7 9,5
O milho é um dos produtos agrícolas mais importantes nos

municípios do Semiárido, pois além de ser fonte de alimento para
as famílias dos agricultores é também usado como fonte de renda
e ração para animais. Apesar de sua importância socioeconômica
e uso diversificado, as evidências empíricas apontam que se trata
de uma lavoura ainda carente de estratégias adaptativas, sendo
bastante vulnerável à ocorrência de secas (Tabela 3). Como ar-
gumento observa-se que a produção e o valor da produção caem,
em média, mais de 50% em anos de seca nos municípios do es-
tado do Piauí. As lavouras do Ceará também apresentam perdas
médias elevadas para esses indicadores.

Tabela 3: Percentuais de perdas médias do milho, por indicador
agrícola e unidade federativa.
Produção
Alagoas 20,2 31,5 21,0 26,3
Bahia 15,0 21,1 22,9 12,5
Ceará 17,3 43,3 45,6 34,5
Minas Gerais 15,0 17,5 18,6 8,9
Paraíba 27,3 38,4 39,1 18,9
Pernambuco 23,0 32,3 31,7 20,7
Piauí 12,2 52,1 53,6 48,4
Rio Grande
20,5 32,5 27,2 15,9
do Norte
Sergipe 29,9 33,9 28,8 13,4
Semiárido 18,5 32,9 32,9 22,1
Comparando-se os quatro indicadores no Semiárido como

um todo, nota-se que o valor da produção apresenta as maiores
perdas percentuais nas três lavouras analisadas. A produção é o
segundo indicador com maior percentual de perda na lavoura de
feijão. Percebe-se, no entanto, que essa ordenação não se repete
entre as unidades federativas do semiárido. Portanto, enquan-
to para algumas localidades devem ser priorizadas intervenções
para criação de capacidade adaptativa durante o processo pro-
dutivo propriamente dito, em outras, as medidas para redução
de perdas na área plantada devem ser priorizadas. Fica paten-
te, assim, o equívoco na adoção de medidas generalizadas para
todo semiárido. Ressalta-se, ainda, o risco de medidas emergen-
ciais, como aquelas adotadas em momentos de crise como El
Niño em 1998, quando o governo disponibilizou R$ 465 milhões
para atender os atingidos pela seca (NAE, 2005). Essas medidas,
quando adotadas, não podem substituir ações estruturantes e
efetivas na convivência com a seca.

4.2 Análise comparativa das perdas médias das
lavouras de sequeiro
A tabela 4 permite a comparação das perdas médias do in-

dicador área plantada nas três lavouras estudadas. O milho
apresenta-se como a mais vulnerável, em todas as unidades fe-
derativas e, consequentemente, no semiárido como um todo. A
mandioca mostra-se a mais resistente haja vista suas menores
perdas médias. Uma comparação entre as unidades federativas
coloca as lavouras de feijão e mandioca dos municípios da Paraí-
ba como as que apresentam maiores perdas médias de área plan-
tada em anos de seca. Considerando-se as três lavouras simulta-
neamente, as maiores perdas de áreas nas lavouras de sequeiro
ocorrem nos municípios da Paraíba, Pernambuco, Rio Grande do
Norte e Sergipe. Esses quatro estados apresentam perdas de área
plantada acima da média da região (15,3%).
Tabela 4: Percentuais de perdas médias na área plantada, por

lavoura de sequeiro e unidade federativa.
Média Geral das
Unidade
Feijão Mandioca Milho Perdas nas Lavou-
Federativa
ras de Sequeiro
Alagoas 13,6 10,5 20,2 14,8
Bahia 12,4 14,9 15,0 14,1
Ceará 13,6 9,7 17,3 13,5
Minas Gerais 12,5 9,3 15,0 12,3
Paraíba 23,0 15,3 27,3 21,9
Pernambuco 22,0 9,1 23,0 18,0
Piauí 11,9 12,1 12,2 12,1
Rio Grande 15,3 12,4 20,5 16,1
do Norte
Sergipe 15,6 5,0 29,9 16,9
Semiárido 15,2 12,0 18,5 15,3

As perdas na produção são sentidas diretamente pelo agri-
cultor e sua família, uma vez que a partir do que é produzido
são retirados a renda e o alimento para consumo próprio. Em
tal contexto, maiores percentuais de perdas médias na produção
demandam estratégias urgentes e devem ser vistos como indica-
tivos de prioridades, uma vez que, queda na produção de alimen-
tos representa risco de deteriorização das condições de sobre-
vivência das populações rurais mais pobres (MARGULIS et al,
2011). Conforme Tabela 5, assim como no indicador área plan-
tada, o milho também apresentou as maiores perdas médias na
produção. Por se tratar de um produto que serve de matéria pri-
ma para diferentes setores da economia (indústrias de alimentos,
ração animal, entre outros) essas perdas adquirem maior alcance
negativo que aquelas verificadas nas lavouras de feijão e man-
dioca. Ceará, Piauí e Paraíba se destacam das demais unidades
federativas por apresentarem perdas médias superiores à média
da região.
Tabela 5: Percentuais de perdas médias na produção, por

Unidade
Feijão Mandioca Milho Média Geral
Federativa
Alagoas 20,3 7,5 31,5 19,8
Bahia 18,3 17,6 21,1 19,0
Ceará 35,2 13,2 43,3 30,6
Minas Gerais 15,8 10,7 17,5 14,7
Paraíba 30,4 18,8 38,4 29,2
Pernambuco 30,2 11,9 32,3 24,8
Piauí 41,1 22,7 52,1 38,7
Rio Grande do 25,1 14,2 32,5 23,9
Norte
Sergipe 22,6 5,2 33,9 20,6
Semiárido 26,9 15,4 32,9 25,1

O valor da produção, como já direcionado anteriormente,
sofre as maiores perdas médias em anos de seca, principalmente
nas lavouras de feijão e milho (Tabela 6). Essas perdas são maio-
res no Piauí, no Ceará e na Paraíba. Cabe ressaltar, mais uma vez,
que não foram identificadas perdas médias no valor da mandioca
entre os municípios de Alagoas.
Tabela 6: Percentuais de perdas médias no valor da produção,

por lavoura de sequeiro e unidade federativa.
Unidade
Federativa
Alagoas 19,9 - 21,0 13,6
Bahia 28,1 15,3 22,9 22,1
Ceará 36,1 18,3 45,6 33,3
Minas Gerais 23,6 18,9 18,6 20,4
Paraíba 41,2 25,3 39,1 35,2
Pernambuco 37,4 11,2 31,7 26,8
Piauí 39,5 30,3 53,6 41,2
Rio Grande do
45,4 16,6 27,2 29,7
Norte
Sergipe 23,4 1,4 28,8 17,9
Semiárido 34,4 17,7 32,9 28,3

A análise das perdas médias de produtividade entre as la-

vouras de sequeiro reforça a vulnerabilidade do milho e a fra-
gilidade dessa lavoura nos municípios do Piauí e Ceará (Tabela
7). Trata-se de um resultado de fácil compreensão considerando
que estas duas unidades federativas também apresentam maio-
res perdas médias na produção.

Tabela 7: Percentuais de perdas médias na produtividade, por
Unidade
Federativa
Alagoas 11,5 2,3 26,3 13,3
Bahia 12,3 6,8 12,5 10,5
Ceará 27,3 12,7 34,5 24,8
Minas Gerais 10,5 7,7 8,9 9,0
Paraíba 14,4 11,7 18,9 15,0
Pernambuco 16,5 9,2 20,7 15,5
Piauí 39,0 19,0 48,4 35,5
Rio Grande do
12,7 5,2 15,9 11,3
Norte
Sergipe 8,4 1,9 13,4 7,9
Semiárido 18,1 9,5 22,1 16,6

As lavouras de sequeiro descritas encontram-se expostas às

secas recorrentes e há evidências de que os produtores não se
encontram aptos a mitigar seus impactos. Os resultados apresen-
tados reforçam essa análise ao mostrar que os indicadores agrí-
colas são afetados negativamente em anos de seca.
Apesar da vulnerabilidade observada, a trajetória das políti-
cas agrícolas mostra a ênfase dada às estratégias para geração de
emprego e renda. Porém, os agricultores do Semiárido deman-
dam mais que isso. Os cultivos de feijão, mandioca e milho, mais
que gerar renda, têm a finalidade de garantir a oferta de alimen-
tos, haja ou não secas. Assim, não se pode desvincular as ações
de desenvolvimento regional para o Semiárido, das ações de con-
vivência com a seca. Trata-se, contudo, de um posicionamento
que deve ser incorporado pelo governo, pois este é o principal

responsável pela implementação de medidas de mitigação dos
impactos da seca6 no Brasil.
4.3 Perdas médias das lavouras de sequeiro no Se-

miárido Brasileiro
A agregação das perdas médias das lavouras de feijão, man-

dioca e milho forneceu uma síntese das lavouras de sequeiro no
Semiárido representada pelo Índice de Perdas Médias das Lavou-
ras de Sequeiro (PPS). A importância do uso de um índice para
a estimação das perdas das lavouras é reconhecida aqui porque
em muitas situações discute-se as perdas agrícolas decorrentes
das secas sem testá-las ou demonstrá-las. Assim, o PPS permite
avançar na ideia de perdas “assumidas” para considerá-las como
fato concreto e de possível mensuração.
Como representado na Tabela 8, os municípios do Semiárido
podem ser classificados em três grupos estatisticamente diferen-
tes quanto ao Índice de Perdas Médias das Lavouras de Sequeiro.
Algumas observações podem ilustrar a situação das lavouras de
sequeiro:
• mais da metade dos municípios encontram-se nas clas-

ses: intermediária e com perdas médias mais elevadas;
• metade dos municípios avaliados apresentam perdas
médias agregadas acima de 20,3%;
• apenas 198 municípios apresentam perdas médias das
lavouras de subsistência até 8,6%;
• existe elevada heterogeneidade entre os municípios do
semiárido quanto ao percentual de perdas médias das
lavouras de sequeiro em anos de seca (Coeficiente de Va-
riação = 57%)
⁶ É importante reconhecer o aumento da participação de representantes da

sociedade civil e de setores privados nos últimos anos

Tabela 8: Estatísticas descritivas do Índice de Perdas Médias
das Lavouras de Sequeiro do Semiárido Brasileiro, por classe de
perdas.
Número Coefi-
Classes de Muni- Média Mediana ciente de
cípios variação
Municípios com me-
nores perdas médias 396 8,4 8,6 57,0
(0,00 ≤ PPS ≤ 16,07)
Municípios com per-
das medias interme-
diárias 449 23,6 23,4 19,2
(16,11≤ PPS ≤ 32,47)
Municípios com
maiores perdas
média 202 41,2 38,3 17,5
(32,51 ≤ PPS ≤ 63,54)
Semiárido
(0,00 ≤ PPS ≤ 63,54) 1.047 21,3 20,3 64,0
A Figura 2 é uma tentativa de reduzir as lacunas de conhe-

cimento sobre a distribuição espacial dos impactos das secas no
Semiárido. Trata-se de uma análise útil admitindo-se que um dos
principais desafios no âmbito das mudanças climáticas no Brasil
é o mapeamento das áreas agrícolas mais impactadas (ASSAD
et al. 2013). As secas provocam perdas significativamente maio-
res nas lavouras de sequeiro nas áreas escuras do mapa, ou seja,
partes Noroeste e Nordeste. No entanto, segundo Marengo et al
(2011), as maiores secas costumam ocorrer na porção norte do
Semiárido. Essa distribuição sugere que as perdas médias das la-
vouras de sequeiro do Semiárido não são necessariamente maio-
res onde as secas são mais intensas. Nesse sentido, Simelton et
al. (2009) argumentam que se existem boas condições socioeco-
nômicas em uma região, essas condições podem agir como um
“tampão” (buffer) capaz de absorver os impactos das secas.

Figura 2: Distribuição espacial do Índice de Perdas Médias das
Lavouras de Sequeiro no Semiárido Brasileiro.
5 CONSIDERAÇÕES FINAIS
Os municípios do semiárido apresentam lavouras de sequei-

ro geralmente cultivadas por pequenos produtores pobres com
características muito semelhantes: vulnerabilidade às secas, ca-
rência de capital, reduzido tamanho da propriedade, ausência de
assistência técnica, emprego de práticas agrícolas inadequadas,
baixos níveis de escolaridade e baixa capacidade adaptativa às
mudanças climáticas. Tais similaridades, no entanto, não signi-
ficam que as lavouras desses municípios sejam igualmente afeta-
das pelas secas ao longo da superfície da região.
O estudo permitiu concluir que existem diferenças significa-
tivas entre os municípios do Semiárido quanto às perdas médias
das lavouras de sequeiro em anos de seca. Essas diferenças ocor-
rem em relação: i) aos indicadores agrícolas: área, produção, va-
lor da produção e produtividade e ii) às lavouras de feijão, man-
dioca e milho. A comparação entre essas lavouras mostrou que

as maiores perdas médias ocorrem nas lavouras de milho. Em
termos regionais, as lavouras de milho nos municípios do Ceará
e Piauí são as mais afetadas pelas secas.
A partir da análise das perdas médias agregadas, também
foi possível observar a heterogeneidade presente no Semiári-
do. Considerando-se semelhanças quanto ao nível de perdas
médias das lavouras de sequeiro existem pelo menos três gru-
pos de municípios distintos: aqueles com menores níveis de
perdas, com níveis intermediários e com níveis mais elevados,
os quais se distribuem de forma não uniforme sobre a super-
fície da região.
As considerações apresentadas representam contribuições
para os planejadores de políticas agrícolas para o Semiárido,
em nível federal, estadual ou municipal, pois chamam atenção
para: i) a necessidade de integração entre as ações voltadas
para a geração de renda e para criação de capacidade adapta-
tiva; ii) o estabelecimento de ações prioritárias dirigidas para
as áreas mais vulneráveis às secas e iii) uma discussão mais
aprofunda sobre quais lavouras devem ser estimuladas, da-
das a limitação e a capacidade de enfrentamento das secas no
município. Nesse sentido, destaca-se que a convivência com
as secas requer mais que tecnologias e recursos financeiros.
É preciso direcionar esforços para um aspecto que vem sen-
do negligenciado pelas políticas públicas de desenvolvimento
regional: a criação da capacidade adaptativa e resiliência, as
quais provavelmente fornecerão os meios para o enfrentamen-
to dos problemas climáticos projetados pelos especialistas,
caso estes se concretizem.
Por fim, é necessário reconhecer que o estudo pode avançar
em pontos chave do debate a respeito do impacto das mudan-
ças climáticas sobre as lavouras de sequeiro do semiárido, sendo
importante estender a análise para identificar as características
socioeconômicas e climáticas que explicam as perdas observadas
e as diferenças entre os municípios estudados.

REFERÊNCIAS
AB’SABER, A.. Sertões e sertanejos: uma geografia humana sofrida.

Estudos Avançados, v. 13, n. 36, p. 7-59, 1999.
AGUIAR, E.B. Produção e qualidade de raízes de mandioca de mesa
(Manihot esculenta Crantz) em diferentes densidades populacionais
e épocas de colheita. Dissertação de Mestrado. Campinas, SP. 2003.
ANDERSEN, L. E.,M. CARDONA. Building Resilience against Ad-
verse Shocks: What are the determinants of vulnerability and resil-
ience? Development Research Working Paper Series No. 02/2013,
Institute for Advanced Development Studies, La Paz, Bolivia, June.
2013.
ANDRADE, A. J. P., de SOUZA, C. R., da SILVA, N. M. A vulnerabi-
lidade e a resiliência da agricultura familiar em regiões semiáridas:
o caso do Seridó Potiguar. CAMPO-TERRITÓRIO: Revista de Geo-
grafia Agrária, 8(15). 2013.
ANDRADE, A.J.P. A Agricultura Familiar no Seridó Potiguar: Vul-
nerabilidade, Percepção e Adaptação às Mudanças Climáticas. 2013.
118 f. Dissertação (Mestrado em Meio Ambiente, Cultura e Desen-
volvimento) - Universidade Federal do Rio Grande do Norte, Natal,
2013
ASSAD, E. et al. Impacts of Climate Change. on Brazilian Agricul-
ture. International. Bank for Reconstruction and Development /
International Development Association - The World Bank. 2013.
BAETTIG, M.; WILDS, M.; IMBODEN, D. A climate change index:
where climate change may be most prominent in the 21st century.
Geophysical Research Letters, n. 34, 2007.
BARROS, G. S. de C (coord.). Melhoria da competitividade da cadeia
agroindustrial de mandioca no Estado de São Paulo. São Paulo: SE-
BRAE; Piracicaba, SP: ESALQ: CEPEA, 2004. 347p.
BLAIN, G. C.; BRUNINI, O. Avaliação e adaptação do Índice de Se-
veridade de Seca de Palmer (PDSI) e do Índice Padronizado de Pre-
cipitação (SPI) às condições climáticas do Estado de São Paulo. Bra-
gantia [online]. vol.64, n.4, pp. 695-705. ISSN 0006-8705. 2005.

BRANCO, A. M., SUASSANA, J., VAINSENCHER, S. A. “Improving
access to water resources through rainwater harvesting as a mitigation
measure: the case of the Brazilian semi-arid region”. Mitigation and
Adaptation Strategies for Global Change, v. 10, pp. 393–409, 2005.
BUAINAIN, A. M.; GARCIA, J. R. Desenvolvimento rural do semi-
árido brasileiro: transformações recentes, desafios e perspectivas.
Confins. Revue Franco-Brésilienne de Géographie/Revista Franco-
-Brasileira de Geografia, n. 19, 2013.
BUAINAIN, A. B.; GARCIA, J.R. « Desenvolvimento rural
do semiárido brasileiro: transformações recentes, desafios e
perspectivas », Confins [Online], 19 | 2013, posto online no dia 12
Novembro 2013, consultado o 25 Janeiro 2015. URL: http://con-
fins.revues.org/8633 ; DOI : 10.4000/confins.8633.2013.
CAMPOS, J. N. B e STUDART, T.M.C. Secas no Nordeste do Bra-
sil: Origens, Causas e Soluções. 2001. Disponível em: <http://www.
deha.ufc.br/ticiana/Arquivos/ Publicacoes/Congressos/2001/Se-
cas_no_Nordeste_do_Brasil_08_de_junho_def.pdf > Acesso em:
11 jun. 2015.
CAMPOS, J. N.B.; STUDART, T. M. de C. Drought and water poli-
cies in Northeast Brazil: backgrounds and rationale. Water Policy,
London, v. 10, n. 5, p.425-438, 2008.
CARVALHO, L. D. A emergência da lógica da “convivência com o
Semi-Árido” e a construção de uma Nova Territorialidade. RESAB.
Secretaria Executiva. Educação para a Convivência com o Semi-Á-
rido: Reflexões teórico-práticas. Juazeiro: Secretaria Executiva da
Rede de Educação do Semi-Árido Brasileiro.2004.
CEDEPLAR/UFMG e FIOCRUZ. MUDANÇAS CLIMÁTICAS, MI-
GRAÇÕES E SAÚDE: CENÁRIOS PARA O NORDESTE BRASILEI-
RO, 2000-2050. Relatório de pesquisa. Belo Horizonte. MG. 2008.
CHACON, S. S.; BURSZTYN, M. Análise das políticas públicas para
o sertão semi-árido: Promoção do desenvolvimento sustentável ou
fortalecimento da pobreza? VI Encontro Nacional da ECOECO,
2005
CIRILO, J. A. et al. A questão da água no semiárido brasileiro. In:
BICUDO, C. E. M.; TUNDISI, J. G.; SCHEUENSTUHL, M. C. B.

Águas do Brasil: análises estratégicas. Instituto de Botânica, São
Paulo. 2010.
DUARTE, R. “Seca, pobreza e políticas públicas no nordeste do Bra-
sil”. In: ZICARDI, Alicia (Comp.). Pobreza, desigualdad social y
ciudadanía: los límites de las políticas sociales en América Latina.
Buenos Aires, CLACSO. p. 425-440. 2001.
ELIAS, D.; PEQUENO, R. Desigualdades socioespaciais nas cidades
do agronegócio. Revista Brasileira de Estudos Urbanos e Regio-
nais, v. 9, n. 1, p. 25-39, 2011.
FÁVERO, L.P. et al. Análise da dados: modelagem multivariada para
tomada de decisões. Primeira Edição. Rio de Janeiro. Elsevier. 2009.
HAIR, J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TA-
THAM, R.L. Análise multivariada de dados. Trad. Adonai Sch-
lup Sant’Anna. Rev. Maria Aparecida Gouvêa. 6. ed. Porto Alegre,
Bookman, 2009, 688p.
HÄRDLE, W.; SIMAR, L. Applied Multivariate Statistical Analysis.
Berlin and Louvain-la-Neuve, 2003. E-book disponível em: <http://
www.xplore-stat.de>.
IPCC, 2014. Climate Change 2014: Impacts, Adaptation, and Vulner-
ability. Part B: Regional Aspects. Contribution of Working Group II to
the Fifth Assessment Report of the Intergovernmental Panel on Climate
Change [Barros, V.R., C.B. Field, D.J. Dokken, M.D. Mastrandrea, K.J.
Mach, T.E. Bilir, M. Chatterjee, K.L. Ebi, Y.O. Estrada, R.C. Genova,
B. Girma, E.S. Kissel, A.N. Levy , S. Mac Cracken, P.R. Mastrandrea,
and L.L. White (eds.)]. Cambridge University Press, Cambridge, United
Kingdom and New York, NY, USA, pp. 1499 -1566. 2014.
KEYANTASH, J.; DRACUP, J.A. The quantification of drought: An
evaluation of drought indices. Bulletin of the American Meteorolog-
ical Society, v. 83, p.1167-1180, 2002.
LEMOS, M. C. Drought, Governance and Adaptive Capacity in
North East Brazil: a Case Study of Ceará.”. Ann Arbor, 1001, 48109-
1041.2007.
LIRA, J. S. de. Resiliência da agricultura familiar no Nordeste Bra-
sileiro. Dissertação. Mestrado em Economia Rural - Universidade
Federal do Ceará. Fortaleza, 2016.

MARENGO, J. A. et. al. Caracterização do clima atual e definição das
alterações climáticas para o território brasileiro ao longo do século
XXI: sumário técnico. Ministério do Meio Ambiente – MMA. Rio de
Janeiro, 2007.
MARENGO, J. A. et al. Vulnerabilidade, impactos e adaptação à
mudança do clima no semi-árido do Brasil. Parcerias estratégicas,
v. 1, n. 27, p. 149-176, 2008.
MARENGO, José A. et al. Variabilidade e mudanças climáticas no
semiárido brasileiro. Recursos Hídricos em regiões áridas e semiári-
das.Campina Grande, 2011.
MARGULIS, S., DUBEUX, C. B. S., MARCOVITCH, J. Economia
da mudança do clima no Brasil. Rio de Janeiro: Synergia Editora.
2011.
MENDONÇA, F.; DANNI-OLIVEIRA, I. M. Climatologia: noções
básicas e climas do Brasil. São Paulo: Oficina de Texto, 2007.
MESQUITA, D. F.S. Vulnerabilidades das lavouras de subsistência
no Semiárido Brasileiro. Dissertação. Mestrado em Economia Rural
- Universidade Federal do Ceará. Fortaleza, 2016.
MOORI, R. G.; MARCONDES, R.C.; ÁVILA, R. T. Análise de Agru-
pamentos como Instrumento de Apoio à Melhoria da Qualidade dos
Serviços aos Clientes. Revista de Administração Contemporânea.
vol.6, nº .1, p. 63-44. 2002.
NAE - Núcleo de Assuntos Estratégicos da Presidência da Republi-
ca. Mudança de Clima, Vol. I: Negociações internacionais sobre a
mudança de clima; vulnerabilidade, impactos e adaptação á mudan-
ça de clima. Cadernos NAE, NAE-SECOM 2005. Brasília, 250 pp.
OBERMAIER, M. Velhos e novos dilemas nos sertões: mudanças cli-
máticas, vulnerabilidade e adaptação no semiárido brasileiro . Tese
de Doutorado, Universidade Federal de Rio de Janeiro, Rio de Ja-
neiro.2011.
O’MEAGHER, B., et al. Approaches to integrated drought risk ma-
nagement: Australia’s national drought policy. In:. Wilhite, D.A
(Ed.), Drought: A Global Assessment, vol. 2, Routledge, London, p.
115–128. .

PEREIRA, L. S.; CORDERY, I.; IACOVIDES, I. (2002). Coping with
water scarcity. Paris: UNESCO, IHP-VI, Technical Documents in
Hidrology, 58.
PINTO, H.S., ASSAD, E. Aquecimento global e a nova geografi a da
produção agrícola no Brasil. EMBRAPA Agropecuária/UNICAMP,
São Paulo. 82 p. 2008.
ROSENDO, E. E. Q. Desenvolvimento de indicadores de vulnerabili-
dade à seca na região semiárida brasileira. Dissertação de Mestrado.
Paraíba, 2014.
SANTOS, C.A.F.; ARAUJO, F.P.; MENEZES, E.A. Comportamento
produtivo de caupi em regimes irrigado e de sequeiro em Petrolina
e Juazeiro. Pesquisa Agropecuária Brasileira, Brasília, v.35, n.11,
p.2.229-2.234, 2002.
SIETZ, D., UNTIED, B., WALKENHORST, O., et al. “Smallholder
agriculture in Northeast Brazil: assessing heterogeneous human-en-
vironmental dynamics”, Regional Environmental Change, v. 6, pp.
132–146, 2006.
SILVA, A. F.; SANTANA, L.M. ; FRANÇA, C. R. R..S. ; MAGA-
LHÃES, C. A.S.; ARAÚJO, C.; AZEVEDO, S.G. Produção de dife-
rentes variedades de mandioca em sistema agroecológico. Revista
Brasileira de Engenharia Agrícola e Ambiental, v.13, n.1, p.33–38,
2009. Campina Grande, PB, UAEA/UFCG.
SILVA, E. P. Estudo sócio-econômico-ambiental e dos riscos a de-
sastre Enos (El Niño Oscilação Sul) no Município de Picuí – Paraíba.
Um estudo de caso. Dissertação de Mestrado. Universidade Federal
de Campina Grande. 2002.
SILVA, J. A. L.; NEVES, J. A. Produção de feijão-caupi semi-pros-
trado em cultivos de sequeiro e irrigado. Revista Brasileira de Ciên-
cias Agrárias, vol. 6, núm. 1, enero-marzo, pp. 29-36, 2011.
SILVA, R. M. A. “Entre o combate à seca e a convivência com o semi-
-árido: políticas públicas e transição paradigmática”, Revista Eco-
nômica do Nordeste, v. 38, pp. 466–485, 2007
SUASSUNA, J. AS ÁGUAS DO NORDESTE E O PROJETO DE
TRANSPOSIÇÃO DO RIO SÃO FRANCISCO. Anais da Academia
Pernambucana de Ciência Agronômica, 3, 30-44.2006.

C apítulo 2
ASPECTOS DA VIOLÊNCIA: UMA ANÁLISE
DO DIFERENCIAL ENTRE OS AMBIENTES
URBANO E RURAL NA PARAÍBA
Otoniel Rodrigues dos Anjos Júnior7

Juliane da Silva Ciríaco8
Magno Vamberto Batista da Silva9
Ivan Targino Moreira10
RESUMO
O presente artigo procura analisar aspectos da violência parai-

bana a partir do diferencial entre os ambientes rurais e urbanos.
Para tal empreitada, fundamenta-se nas ideias implementadas
por Becker (1968). Os dados de crime foram fornecidos pela
Secretaria de Segurança do Estado da Paraíba e os demais são
oriundos tanto do Censo (2010) quanto do DATASUS. A esta-
tística descritiva mostra que os criminosos seguem determinado
padrão de ação no que diz respeito ao dia do ocorrido, turno e
armas mais utilizadas nos delitos. Efetuou-se AEDE e se verifi-
cou presença de clusters espaciais distribuídos entre as mesorre-
giões do Estado. Estimou-se o MCRL e foi verificada a incidência
de dependência espacial, sendo assim, utilizaram-se os modelos
espaciais globais: SAR, SEM e SAC. Notam-se indícios de que a
criminalidade rural apresente dependência do crime urbano em
todos seus aspectos.
Palavras-chave: Dependência Espacial. Crime. Paraíba.
7
Mestre em Economia (PPGE-UFPB) - E-mail: [email protected]
8
9
Doutorado em Economia (PIMES-UFPE) - E-mail: [email protected]
10
Doutorado em Economia (Université Paris 1 Pantheon-Sorbonne) -
E-mail: [email protected]

1 INTRODUÇÃO
No Brasil a criminalidade tem se mostrado cada dia mais

preocupante. Os crimes são dos mais variados e ao longo do
tempo tais atos delituosos passaram a contar com o impulso
da tecnologia e da modernidade. Nas últimas duas décadas
os índices de criminalidade brasileiros [2001 (27,8); 2006
(26,3); 2010 (27,5); 2011 (27,1)] mostram-se altos, resistentes
e estáveis. Destaca-se que para Organização Mundial da Saúde
(OMS) são epidêmicas as taxas de mortalidade superiores a dez
por 100 mil habitantes.
A elevada taxa de violência observada no país, nos últimos
anos, é alavancada por Estados como: Alagoas (55,3), Espírito
Santo (39,4), Pará (34,6), Bahia (34,4), Paraíba (32,8) e Pernam-
buco (30,6). Tais valores são referentes às mortes ocasionadas
apenas por armas de fogo no ano de 2010. A taxa brasileira para
a mesma modalidade de crime é de 20,4 no mesmo ano (WAI-
SELFISZ, 2013).
No Brasil, tem-se que 84,4% da população vivem nos cen-
tros urbanos enquanto os demais 15,6% dos indivíduos residem
nas áreas rurais11. Entre as regiões mais ruralizadas encontra-se
o Nordeste (27%), o Norte (23%) e o Sul (15,2%). Os índices das
demais regiões [Sudeste (11,4%) e Centro-Oeste (9,7%)] são sen-
sivelmente menores. Notadamente, as áreas rurais brasileiras
têm passado por um processo de transformação relativamente
rápido desde o início do intenso processo de urbanização ocorri-
do a partir de 1970. Tal fato passou a orientar não só a dinâmica
da população, mas da produção, investimento, emprego entre
outros.
Na Paraíba 75,37% da população reside em áreas urbanas
enquanto que os demais 24,63% vivem no campo. Entre os mu-
nicípios mais urbanizados tem-se: Cabedelo (99,99%), João
Pessoa (99,62%) e Bayeux (99,07%). Sendo que entre todos os
Adota-se o critério do Instituto Brasileiro de Geografia e Estatística (IBGE)

11
para definição de população rural e urbana.

223 municípios do Estado 134 (61%) possuem população urbana
maior que a rural. No entanto, existem 89 (39%) municípios que
se apresentam como eminentemente rurais. Destaca-se, entre
tantos, os municípios de Barra de Santana (91,09%), Curral de
Cima (90,93%) e Gado Bravo (89,16%).
Nota-se que a literatura especializada tratou de analizar os
fenômenos que geralmente causam ou aumentam a incidência da
criminalidade nos grandes centros urbanos. No entanto, tais es-
tudos são relativamente reduzidos ou praticamente inexistentes
para algumas áreas rurais do país. Portanto, avaliar a incidência
de violência sem considerar parâmetros fundamentais como, por
exemplo, o diferencial entre fatores causadores ou multiplicado-
res da criminalidade na área rural separadamente daqueles que
impulsionam o crime urbano deve ser tarefa preliminar à deter-
minada análise criminal.
Diante da expressiva deficiência de estudos que avaliem sepa-
radamente as características e interações entre a criminalidade ur-
bana e rural, propõe-se uma análise que consiga capturar possíveis
correlações entre variáveis socioeconômicas e as respectivas taxas
de crimes desses dois ambientes ao longo dos anos.
O presente estudo se divide em cinco seções, incluindo esta
introdução. A segunda apresenta algumas contribuições empíri-
cas construídas nas últimas décadas. Na terceira serão expostos
os procedimentos metodológicos, banco de dados e variáveis uti-
lizadas. A quarta seção exibe os resultados empíricos tanto da
estatística descritiva quanto das análises espaciais preliminares.
Por fim, a última seção aborda a estimação de modelos espaciais
e são feitas as devidas considerações finais.
2 CONTRIBUIÇÕES EMPÍRICAS
A ideia de explicar a criminalidade a partir de variáveis eco-

nômicas surge com o artigo de Becker (1968). A partir da inclu-
são do comportamento otimizador foi possível encontrar signifi-
cativas respostas ao problema da criminalidade em todo mundo
[Ehrlich (1973 e 1996); Heineke (1978); Messner (1982); Grog-

ger (1991); Messner e Rosenfeld (1997); Gaviria e Pagés (1999);
Glaeser e Sacerdote (1999); Fajnzylber et al., (2002); Loureiro
e Carvalho (2006); Santos e Kassouf (2007); Bezerra e Melo
(2012); Borges (2011)]. Trata-se do desenvolvimento formal de
um modelo que analisa com base no retorno líquido da atividade
criminosa. Fernandez e Pereira (2001) consideram que só a par-
tir da introdução da racionalidade, passa-se a interpretar a cri-
minalidade como setor da economia em que os agentes inseridos
procuram maximixar os ganhos advindos de suas ações.
Além da abordagem racional, descrita anteriormente, Cano e
Soares (2002) apresentam outras teorias como: a) as que buscam
dar explicação ao comportamento criminoso a partir das patolo-
gias individuais; b) as que consideram o crime como subproduto
de um sistema social perverso ou deficiente; c) as que entendem
o crime como uma consequência da perda de controle e da de-
sorganização social na sociedade moderna; e d) as que defendem
explicações do crime em função de fatores situacionais ou de
oportunidades.
3 METODOLOGIA
3.1 Econometria Espacial
A criminalidade foi avaliada por meio da econometria es-

pacial por diversos estudiosos [Anselin (1999); Almeida (2007);
Sartoris (2000); Almeida et al., (2005); Santos e Santos Filho
(2011), Meneses et al., (2011) entre outros]. Salienta-se que tais
modelos acabam respondendo eficientemente por se adequarem
facilmente aos tipos de dados encontrados.
O crime é uma variável bastante dinâmica e sua difusão
pode ocorrer tanto dentro de determinados limites geográficos
(municípios, bairros e ruas) quanto se espalhar no espaço sem
respeitar qualquer divisão territorial. Para Cohen e Tita (1999),
existem duas formas de disseminação da criminalidade. Uma é
através do contato direto entre os agentes, a partir destes surgem

às redes de organizações criminosas (gangues, quadrilhas, etc.)
as quais disseminam o crime por meio do efeito contágio. Já a
segunda é através da imitação, tal método é incentivado pelas
oportunidades de retorno com a prática de determinado crime
em regiões pouco exploradas. Neste caso, utilizam-se práticas se-
melhantes às aplicadas em outras regiões, mesmo que não haja
qualquer contato entre os indivíduos destas localidades.
3.2 Analise Exploratória de Dados Espaciais
Para Fotheringham et al., (2002) antes de construir uma

avaliação estatística mais detalhada é aconselhável efetuar uma
análise exploratória dos dados. Anselin (1999) aconselha a Aná-
lise Exploratória de Dados Espaciais (AEDE), pois esta tem o
intuito de descrever e visualizar padrões espaciais, identificar lo-
calidades atípicas (outliers espaciais) e descobrir padrões de as-
sociação espacial (clusters espaciais). Pode-se realizar a AEDE a
partir da estatística I de Moran. O citado indicador pode ser glo-
bal ou local e possui como extremos o valor um (1) e menos um
(-1). Destaca-se que a estatística construída por Moran (1948) faz
uso de certa medida de autocovariância na forma de produto cru-
zado. A forma global pode se representada matricialmente por:
(1)
Em que Z (criminalidade) é um vetor de n (municípios) ob-

servações da variável de interesse, W a matriz de pesos espacial
utilizada e WZ é a média dos valores da variável de interesse dos
vizinhos.
Anselin (1994) argumenta que a utilização do teste de Mo-
ran global pode deixar de captar padrões espaciais (clusters e
outliers) em algumas regiões. Para Anselin (1995), é possível
encontrar a partir de fragmentos do teste de Moran global um
teste de associação espacial local. Pode-se classificar tal teste de
Indicador de Autocorrelação Espacial Local (Local Indicator of
Spatial Association-LISA) e representá-lo por:

(2)
Em que zi e zj são os desvios da média dos valores da variável

em questão (a taxa de homicídios) e wij denota os elementos da
matriz de pesos espaciais. Destaca-se que a principal diferença
entre o índice de Moran local e o global, consiste no fato do pri-
meiro produzir um valor específico para cada objeto, permitindo
assim, a identificação de agrupamentos de objetos com valores
de atributos semelhantes enquanto o segundo fornece apenas va-
lor único para o conjunto de dados em análise.
3.3 Modelo Clássico
Para Anselin (1988), os modelos tradicionais da econome-

tria são limitados quando confrontados com problemas que pos-
suam componentes espaciais. Tal fato os impossibilita de tratar
eficientemente a ocorrência de interações entre determinadas
regiões. O modelo clássico possui características que permitem
encontrar valores para o regressando a partir de certo conjunto
de regressores. No entanto, tais valores estão associados a certo
termo de erro aleatório, sendo assim:
Y = Xb + ε (3)
Sendo que na presença de dependência espacial (autocorre-

lação espacial) seja nos regressores, nos regressandos ou mesmo
no termo de erro os estimadores (^b ) de MQO serão viesados, ine-
ficientes e/ou inconsistentes.
3.4 Modelando a Dependência Espacial
3.4.1 Modelo SAR
Dada existência da dependência espacial nos dados, então

se necessita fazer uso dos modelos espaciais, pois a partir des-

tes é possível modelar consistentemente os efeitos advindos
da interação ou autocorrelação espacial. Pode-se modelar glo-
balmente através do Spacial Auto Regressive (SAR). Segundo
Almeida (2012), tal modelagem captura os efeitos advindos do
processo de imitação inserido em determinado fenômeno. De
acordo com LeSage e Pace (2009), num modelo espacial do
tipo SAR, uma mudança na variável explicativa numa região
afetará a própria região pelo efeito direto, mas poderá afetar
as demais pelo efeito indireto de forma realimentadora e cir-
cular. Para Keleijan e Prucha (2010), tal modelo em sua forma
mista exibe uma memória que é amortecida à medida que o
grau de conectividade entre as regiões vai diminuindo. Sendo
assim, tem-se:
y = pWy + Xb + ε (4)
em que: ε ~ N(0, σ2 In)
Assim, tem-se que a variável dependente da região i está cor-

relacionada espacialmente com o valor da variável dependente
da região j e tal processo possui seu transbordamento capturado
em ρ mediante defasagem espacial da variável dependente Wy.
3.4.2 Modelo SEM
Darmofal (2006) argumenta que o modelo global Spatial

Error Models (SEM) está associado a incapacidade de se mode-
lar toda fonte da dependência espacial, sendo assim, determina-
da parte da dependência não modelada pode se manifestar no
padrão do erro aleatório entre regiões vizinhas. Dessa forma,
tem-se que:
y = Xb + λWξ + ε (5)
em que ε ~ N(0, σ2 In)

Dado o multiplicador espacial, tem-se que o alcance de de-
terminado choque é global. Assim, faz com que haja uma pro-
pagação do efeito ao longo do sistema atingindo todas as regi-
ões. No entanto, tal intensidade é decrescente à medida que se
afasta do epicentro |λ| < 1. Portanto, o coeficiente espacial (λ)
autorregressivo mede o grau de dependência espacial no termo
de erro. Neste contexto, choques na região i afeta os vizinhos e
os vizinhos dos vizinhos por intermédio das potencias de W, e,
algumas vezes, volta a afetar a região i novamente, porém, agora,
com efeito amortecido (ALMEIDA 2012).
3.4.3 Modelo SAC
Há possibilidades de avaliar o fenômeno da dependência a

partir do uso de outro importante modelo espacial global deno-
minado Spatial Mixed Regressive Auto-Regressive Complete
(SAC). Para Almeida (2012), este modelo possui características
que possibilitam identificar o efeito contágio agindo sobre o pro-
cesso de transbordamento de determinado fenômeno espacial.
Assim, tem-se:
y = ρW1 y + Xb + λW2ξ + ε (6)
ε ~ N (0,σ In )
2
em que
Nesse modelo, os parâmetros | ρ | < 1 e | λ | < 1 evita compor-

tamento instável. Considerando determinada matriz W, tem-se
que | λ | < 1 permite que a intensidade do processo de determina-
da variável seja decrescente ao longo de certa região atingida por
determinado choque.
3.5 Base de Dados
Os dados referentes aos homicídios (e latrocínios) ocorridos

nos municípios paraibanos entre 2011 e 2013 são uma amostra
do banco de dados do Núcleo de Análise Criminal e Estatística

pertencente à Secretaria de Segurança Pública e da Defesa So-
cial do Estado da Paraíba. Escolhe-se a variável homicídios como
proxy para representar a criminalidade de determinada região,
pois tal variável possui expressiva taxa de reportagem compara-
tivamente aos demais delitos.
Os dados de crimes possuem informações desagregadas
como: hora, turno, dia, mês e ano do ocorrido; rua, bairro, área
(urbano, rural) e o município (local geográfico) onde houve o cri-
me. Traz um conteúdo completo sobre a vítima: nome, idade e
gênero. As variáveis socioeconômicas pretendidas são coletadas
do Censo Demográfico do Instituto Brasileiro de Geografia e Es-
tatística (IBGE) para ano de 2010 e do banco de dados do sistema
de informação do SUS (DATASUS).
Quadro 1: Variáveis da Pesquisa.

Variável Dependente: Taxa Média de Criminalidade rural
Sinal
(TxCrime)
Considera-se a média de mortes no município i entre 2011 e

2013. Divide-se tal valor pela população de i e multiplica-se
por 100 mil. Os dados médios reduzem a quantidade de mu-
nicípios missing e aumenta a robustez dos resultados.
Variáveis Independentes Sinal
Taxa Média de Criminalidade Urbana (TxCrUr): Busca-se

captar a influência da criminalidade urbana sobre a crimina- +
lidade rural de cada município em análise.
Renda Média Domiciliar per capita (RMédia): A média das

rendas domiciliares per capita das pessoas residentes em
determinado espaço geográfico. Tal variável deve capturar a +
influência dos rendimentos sobre o processo de escolha do
crime.
Proporção da População com Renda Menor que Meio Salário

Mínimo ( Rbásica): Encontrar a influência da pobreza sobre +
a taxa de criminalidade.

continuação
Proporção da População Rural dos Municípios (PRTM):

Deve Capturar a influência dos fatores demográficos sobre as +
taxas de crime.
Índice de Desenvolvimento Humano (IDH): Deve Capturar

a influência dos aspectos relacionados a longevidade, educa- -
ção e ao padrão de vida dos agentes.
Taxa de Trabalho Infantil (TTI): Busca captar a vulnerabili-

dade das famílias. Pesquisas sugerem que crianças inseridas
em lares com apenas um responsável, pai ou mãe, estão mais
vulneráveis a problemas de rendimento escolar, trabalho in- +
fantil, delinquência, suicídio, violência e vivem em pior situa-
ção socioeconômica em relação a crianças criadas por ambos
os pais (Amato, 1993).
Fonte: Elaboração própria.
A equação (7) expressa a seguir representa o modelo econo-

métrico estimado12:
4 ANÁLISE DESCRITIVA DOS DADOS
Na seguinte demonstram-se dados de crimes de homicídios

ocorridos nos últimos anos no Estado da Paraíba. Busca-se en-
contrar um padrão de ação do criminoso no que diz respeito às
características marcantes do delito e das vítimas entre os anos
de 2011 e 2013. Para tanto, os dados foram organizados levando
em consideração uma série de parâmetros como o ambiente do
ocorrido: urbano ou rural; características do crime: dia da se-
mana e turno que ocorreu o fato; por fim, percebe-se necessário
destacar o gênero mais vitimado e o instrumento mais frequen-
te na ação delituosa.
12
Os modelos estimados estão na forma log-log.

Tabela 1: Estatística Descritiva dos Dados da Pesquisa entre os anos
de 2011 e 2013.
Homicídio por Dia da Semana
URBANO RURAL
2011 2012 2013 2011 2012 2013
Dia da Óbitos Óbitos Óbitos Óbitos Óbitos Óbitos

Semana (%) (%) (%) (%) (%) (%)
Segunda-
13,97 14,53 12,77 17,42 17,10 17,60
-Feira
Terça-Feira 11,72 11,83 10,31 14,04 14,00 12,00
Quarta-
11,86 10,50 12,10 15,73 7,25 10,05
-Feira
Quinta-
11,32 11,54 13,07 9,00 16,58 9,55
-Feira
Sexta-Feira 14,25 14,42 14,04 11,80 9,33 7,04
Sábado 17,52 16,20 16,88 13,48 16,06 21,61
Domingo 19,23 21,45 20,84 18,54 19,70 22,15
Total 100 100 100 100 100 100
Homicídio por Turno de Ocorrência

URBANO RURAL
2011 2012 2013 2011 2012 2013
Óbitos Óbitos Óbitos Óbitos Óbitos Óbitos
Turno
(%) (%) (%) (%) (%) (%)
Madrugada 21,13 20,34 16,80 20,22 12,44 18,10
Manhã 20,38 17,01 18,96 22,47 26,94 24,12
Tarde 23,18 19,67 23,82 29,78 29,53 26,13
Noite 35,33 42,97 40,40 27,53 31,09 31,70
Total 100 100 100 100 100 100

continuação
Homicídio por Instrumento Utilizado no Crime
URBANO RURAL
2011 2012 2013 2011 2012 2013
Instru- Óbitos Óbitos Óbitos Óbitos Óbitos Óbitos
mento (%) (%) (%) (%) (%) (%)
Arma de
86,09 79,81 82,52 66,29 67,87 66,33
Fogo
Arma
10,56 13,17 10,31 22,47 16,06 19,10
Branca
Outros 3,34 7,03 7,17 11,24 16,06 14,57
Total 100 100 100 100 100 100
Homicídio por Gênero da Vítima
URBANO RURAL
2011 2012 2013 2011 2012 2013

Óbitos Óbitos Óbitos Óbitos Óbitos Óbitos
Gênero
(%) (%) (%) (%) (%) (%)
Homens 90,80 91,12 92,53 92,70 89,63 88,94
Mulheres 8,72 8,80 7,32 7,30 10,36 10,05

Não
0,48 0,073 0,15 0,00 0,00 1,00
Informado
Total 100 100 100 100 100 100
Fonte: Elaboração própria a partir dos dados da Secretaria da Segurança e da

Defesa Social do Estado da Paraíba.
Nota-se com a estatística descritiva que o domingo é o

dia de maior incidência de crimes em todos os anos. Portanto,
tanto nas áreas urbanas [2011 (19,23%); 2012 (21,45%) e 2013
(20,84%)] quanto na zona rural [2011 (18,54%); 2012 (19,70%)
e 2013 (22,15%)] existe determinado padrão comportamental na
ação dos criminosos. Destaca-se que nas áreas urbanas o segun-
do dia mais violento da semana é o sábado [2011 (17,52%); 2012
(16,20%) e 2013 (16,88%)] e na zona rural na maior parte dos

anos [2011 (17,42%) e 2012 (17,10%)] é a segunda-feira. No ano
de 2013 (22,15%) as áreas rurais paraibanas passaram a notificar
o dia de sábado como o segundo dia mais violento da semana.
Portanto, passando a convergir com os resultados encontrados
na zona urbana do Estado.
No mesmo lapso temporal anterior, percebe-se que a maior
parcela dos crimes ocorreu entre sexta e segunda-feira. Tais va-
lores apresentam-se superiores a 60% tanto nas áreas urbanas
[2011 (64,97%); 2012 (66,53%) e 2013 (64,53%)] quanto nas
zonas rurais [2011 (61,24%); 2012 (62,19%) e 2013 (68,40%)]
paraibanas.
A respeito do turno mais violento. Nota-se que nas áre-
as urbanas [2011 (35,33%); 2012 (42,97%) e 2013 (40,40%)] o
criminoso elege, majoritariamente, o turno da noite para prati-
car crimes. Seguido pelo turno da tarde [2011 (23,18%) e 2013
(23,82%)]. Na zona rural os resultados se repetem, pois o turno
da noite [2012 (31,09%) e 2013 (31,70%)] destaca-se frente ao de-
mais na maior parte dos anos. Em seguida encontra-se o período
da tarde [2012 (29,53%) e 2013 (26,13%)], manhã [2011 (22,47);
2012 (26,94%) e 2013 (24,12%)] e madrugada [2011 (20,22%);
2012 (12,44%) e 2013 (18,10%)]. Tal fato deixa indícios de que
o comportamento ilícito não é aleatório e sim padronizado em
todo Estado.
No que diz respeito à arma mais utilizada nos crimes. Nota-se
que armas de fogo é relativamente mais frequente tanto nas áreas
urbanas [2011 (86,09%); 2012 (79,81%) e 2013 (82,52%)] quanto
nas rurais [2011 (66,29%); 2012 (67,87%) e 2013 (66,33%)]. Des-
taca-se que o percentual de crimes que fazem uso de armas de
fogo nas áreas urbanas são, significativamente, maiores que os
praticados com o mesmo tipo de armas na zona rural. Enquan-
to na cidade a utilização de armas de fogo chegam a ultrapassar
85%, no campo, tal valor não atinge 68% em nenhum ano ana-
lisado. Por outro lado, as armas brancas se mostram, relevante-
mente, mais utilizadas no ambiente rural [2011 (22,47%); 2012
(16,06%) e 2013 (19,10%)] frente ao urbano [2011 (10,56%);
2012 (13,17%) e 2013 (10,31%)].

Outro ponto a ser abordado é a questão da vitimação por
sexo no Estado. Tanto nas áreas urbanas [2011 (90,80%); 2012
(91,12%) e 2013 (92,53%)] quanto nas rurais [2011 (92,70%);
2012 (89,63%) e 2013 (88,94%)] os resultados apresentados são
categóricos e evidenciam a presença maciça de vítimas do sexo
masculino entre os anos considerados. Entre as vítimas do gê-
nero feminino é possível constatar maiores taxas na zona rural
[2011 (7,30%); 2012 (10,36%) e 2013 (10,05%)] frente às obser-
vadas nas áreas urbanas [2011 (8,72%); 2012 (8,80%) e 2013
(7,32%)] do Estado.
4.1 Idade das Vítimas de Homicídio na Paraíba

entre 2011 e 2013
No Brasil cerca de 27% da população possui idade entre 15

e 29 anos (IBGE, 2010). Waiselfisz (2013) constata que 54% das
mortes no Brasil são de jovens nesta faixa etária. A mortalida-
de de jovens na Paraíba [2011 (49,76%); 2012 (53,82%) e 2013
(51,33%)] mostra-se alta e resistente ao longo dos anos.
Nas áreas urbanas do Estado a mortalidade de jovens
mostrou-se expressivamente elevada ao longo dos últimos
anos. Entre os anos de 2011 e 2013 a proporção de jovens vi-
timados [51,78% (759 jovens); 61,39% (830 jovens) e 60,34%
(808 jovens)] manteve-se alta e chegou a ultrapassar a média
nacional.

Gráfico 1: Mortalidade Urbana de Pessoas entre Gráfico 2: Mortalidade Rural de Pessoas entre
11 e 50 anos. 11 e 50 anos.
O Rural Nordestino: Cenários, Ajustes e Desafios

Gráfico 3: Mortalidade total Urbana de Pessoas Gráfico 4: Mortalidade total Rural de Pessoas
entre 11 e 50 anos de 2011 a 2013. entre 11 e 50 anos de 2011 a 2013.
Fonte: Elaboração própria a partir dos dados da Secretaria de Segurança e da Defesa Social do Estado.
57
Nas áreas rurais [31,46% (56 jovens); 35,23% (68 jovens)
e 39,19% (78 jovens)] nota-se que apesar da proporção na viti-
mização de jovens se encontrar relativamente abaixo da média
brasileira, tais valores são crescentes ao longo dos anos de 2011
e 2013 mostrando expressivo aumento de cerca de 8 p.p. neste
espaço de tempo.
Considerando os indivíduos na faixa etária entre 11 e 50 anos,
verifica-se relevante diferença no comportamento da mortalida-
de homicida no Estado. Nota-se que os dados referentes aos am-
bientes urbanos possuem expressiva diferença daqueles encon-
trados na zona rural. Enquanto nas zonas urbanas paraibanas
(Gráficos 1) a vitimização por homicídio possui comportamento
característico e similar nos três anos analisados. De tal forma que
as mortes começam aumentar, exponencialmente, a partir dos 13
anos e atinge seu ponto de máximo na faixa etária que se inicia
aos 17 e se estende até os 21 anos de idade. No campo (Gráficos
2), percebe-se que a idade das vítimas não segue qualquer padrão
rigoroso de comportamento.
Outra forma de visualizar estes dados é somá-los e construir
uma série única. Tal processo acaba por originar os Gráficos 3 e
4. Nas áreas urbanas verificam-se taxas de criminalidade mais
elevadas na faixa etária de 15 a 24 anos. Portanto, a partir dessa
idade a série passa a apresentar movimento relativamente mo-
nótono de decaimento no número de vítimas apresentando certa
estabilidade ao passo que a idade dos indivíduos aumenta.
Por sua vez, os dados referente ao comportamento da mor-
talidade na zona rural apenas corroboram com o que já foi visto
anteriormente no Gráfico 2. A série mostra-se expressivamente
volátil e resistente. Nota-se que a série de vitimização aumenta,
exponencialmente, para indivíduos na faixa dos 13 anos de ida-
de e se mantém relativamente resistente apresentando pequenas
reduções ao passo que a idade dos indivíduos aumenta. Tal fe-
nômeno vai de encontro aos achados literários, nos quais se ar-
gumenta que a idade das pessoas influencia na probabilidade de
torna-se vítima ou não de determinado crime. Ou seja, espera-se
que quanto mais maturidade e experiência os agentes adquiram
menores deverão ser as probabilidades de vitimização. Para Sapo-

ri (2008), os indivíduos com idade entre 15 e 24 anos aparecem
como grupo de maior risco de vida em determinada sociedade.
Destaca-se que os resultados acabam por externar as dificul-
dades enfrentadas na implementação de políticas públicas, so-
bretudo para combater a criminalidade juvenil na Paraíba, pois
as demandas urbanas e rurais são significativamente diferentes.
Sendo assim, devem-se construir mecanismos que sejam capazes
de atingir eficientemente cada público nos diferentes ambientes.
4.2 Dependência Espacial Univariada: Global e Local
Nesta seção testa-se a hipótese de dados distribuídos aleato-

riamente no espaço. Destaca-se que a comprovação de tal fenô-
meno implica terem-se os valores de determinado atributo numa
região não dependente dos valores desse atributo na região vizi-
nha. Tais evidências podem ser devidamente testadas por meio
da realização da AEDE. Para tanto, utiliza-se o indicador de Mo-
ran Global e local respectivamente. Tais avaliações serão cons-
truídas a partir da utilização da matriz de contiguidade espacial
do tipo Queen de primeira ordem normalizada na linha.
No diagrama de dispersão de Moran Global Univariada
(Gráficos 5 e 6) é possível encontrar quatro padrões de associa-
ção espacial. Inicialmente, testa-se a dependência espacial da cri-
minalidade nas áreas urbanas (Gráfico 5) e, posteriormente, faz-
-se o mesmo procedimento estatístico para analisar globalmente
a dependência espacial da criminalidade rural (Gráfico 6) entre
os anos de 2011 e 2013.
Gráfico 5: Dependência Espacial da Criminalidade Urbana.

Figura 1: Dependência Espacial Urbana.
Gráfico 6: Dependência Espacial da Criminalidade Rural.
Figura 2: Dependência Espacial Rural.

Fonte: Elaboração própria a partir dos dados da Secretaria de Segurança e da
Defesa Social do Estado da Paraíba.
Q1 = Alto-Alto - Q2 = Alto-Baixo - Q3 = Baixo-Baixo e Q4 = Baixo-Alta. Hi-

póteses do teste são: (H0) admite independência espacial e (H1) admite
existência de dependência (Tais os resultados foram significativos a 1%).

Nota-se a partir do resultado positivo e significativo da esta-
tística (Gráficos 5 e 6) de Moran que há indícios de dependência
espacial agindo sobre a taxa de criminalidade dos municípios pa-
raibanos. Tais resultados são constatados tanto das regiões urba-
nas quanto nas zonas rurais. Sendo assim, municípios que apre-
sentaram altas taxas de criminalidade no período, grosso modo,
encontram-se geograficamente próximas daqueles que demons-
traram elevadas taxas de crime. Por outro, municípios que apre-
sentaram baixas taxas de crime, geralmente, estão rodeados por
outros que também apresentam baixas taxas de criminalidade.
Destaca-se que o valor da estatística de Moran Global re-
presenta exatamente a inclinação da reta de regressão. Nota-se,
ainda, que os valores observados em tal indicador nos dois am-
bientes: urbano [Gráfico 5 (0,290)] e rural [Gráfico 6 (0,156)]
mostram-se relativa diferença em seus resultados. Além de in-
dícios de dados relativamente similares entre si tais resultados
apresentam-se com maior grau de dependência nos municípios
urbanos frente aos observados nas zonas rurais do Estado.
Destaca-se que indicador de associação espacial Global de
Moran pode ocultar ou mesmo ser insatisfatório na identifica-
ção de padrões locais espaciais [Anselin (1995); Peixoto (2004),
Almeida (2012) entre outros]. Neste caso, tem-se que os clus-
ters e os outliers espaciais significantes podem ser camuflados
e, consequentemente, as estatísticas de autocorrelação global
tornam-se incapazes de identificar a ocorrência de autocorre-
lação local. Sendo assim, faz-se necessário a estimação do I de
Moran Local ou LISA. Para Anselin (1995), Peixoto (2004) entre
outros, tal indicador local é capaz de capturar possíveis padrões
de autocorrelação espacial.
O I de Moran local provê uma indicação do grau de agrupa-
mento dos valores localmente similares em torno de determinada
observação estatisticamente significante. Ou seja, o LISA captura
a dependência espacial local que vigora sobre a taxa de crimina-
lidade de determinado município e, posteriormente, compara os
valores médios com os observados no atributo dos municípios
que compõe sua vizinhança. Destaca-se que os resultados expos-

tos nas Figuras (1 e 2) foram atingidos considerando 999 permu-
tações aleatórias. Nota-se que o resultado do teste de Moran local
é um mapa temático composto por cinco cores distintas13.
Após a devida visualização do LISA, nota-se que a autorre-
lação espacial univariada também é confirmada localmente. Tais
constatações puderam ser feitas tanto nas áreas urbanas [Figura
(1)] quanto nas rurais [Figura (2)]. Nas áreas urbanas, portan-
to, encontram-se dois clusters representando a relação do tipo
Alto-Alto (High- High). Juntos somam 47,92% dos casos signifi-
cantes, tais incidências ocupam partes de diversas Mesorregiões
(Zona da Mata, Agreste e Sertão) do Estado. Inicialmente, tem-se
expressivo aglomerado formado por vinte municípios envolven-
do a região metropolitana de João Pessoa (capital do Estado) e
se estendendo até imediações do município de Campina Grande.
Outro cluster que apresenta relação do tipo Alto-Alto pode ser
encontrado na região do Sertão da Paraíba. Este último bloco é
formado por três municípios: Belém do Brejo do Cruz, Brejo do
Cruz e São Bento.
Nas relações de similaridade do tipo Baixo-Baixo (quadran-
te Low-Low), contrariamente ao caso anterior, encontram-se os
municípios que possuem atributo e média dos vizinhos abai-
xo da média global. Neste caso destaca-se a incidência de cin-
co clusters que juntos somam 22,92% dos casos significantes.
Estes estão situados nas Mesorregiões da Borborema e Sertão.
Os quadrantes Baixo-Alto e Alto Baixo (Low-High e High-Low)
são formados por municípios com maior grau de dissimilarida-
de. Portanto, no quadrante (Low-High) têm-se os municípios
que possuem índice de criminalidade abaixo da média, porém
a média de seus vizinhos encontra-se acima da média global.
Enquanto no quadrante (High-Low), encontram-se municípios
que apresentaram índices de criminalidade acima da média,
no entanto, a média de seus vizinhos está abaixo da média glo-
13
Vermelho - Alto-Alto; Azul - Baixo-Baixo; Cinza - Baixo-Alto e Rosa - Al-
to-Baixo. Por fim, a cor Branca (Não Significante) acaba por representar
aquelas regiões que ao nível de significância considerado não apresentam
associação espacial alguma.

bal. Nota-se a existência de dez clusters somando 20,8% dos
municípios significantes apresenta relação do tipo Alto-Baixo
(High-Low). Tais municípios são distribuídos entre as mesorre-
giões da Borborema e Sertão. Finalmente, têm-se três clusters
com comportamento Baixo-Alto (Low-High) distribuído entre
as mesorregiões da Zona da Mata e Agreste do Estado e juntos
somam 8,33% dos dados significantes.
Ao passo que se avalia a dependência espacial local da cri-
minalidade que incide sobre as áreas rurais. Nota-se, pela Figura
2, que a relação do tipo Alto-Alto apresenta-se formando nove
clusters espalhado por todas as mesorregiões do Estado (três na
Zona da Mata, três no Agreste, um na Borborema e dois no Ser-
tão). Percebe-se que juntos somam 38% dos dados significantes
e apresentam-se relativamente pulverizados entre as diversas re-
giões do Estado.
A respeito da relação do tipo Baixo-Baixo (25%). Tem-se que
são nove municípios formando sete clusters ao longo das mesor-
regiões (quatro na Zona da Mata, três na Borborema e dois no
Sertão). Em relação aos dados que apresentaram características
do tipo Alto-Baixo (25%), percebe-se que são duas incidências
na Zona da Mata, duas no Agreste, duas na Borborema e três no
Sertão. Contrariamente, têm-se aqueles municípios de relação
do tipo Baixo-Alto (11,11%) formado por quatro clusters de um
município cada (dois no Agreste e Dois no Sertão).
4.3 Dependência Espacial Multivariada: Global e

Local
Nesta seção serão avaliados os aspectos globais e locais de

autocorrelação espacial em um contexto multivariado. Inicial-
mente, abordam-se critérios globais e, posteriormente, avaliam-
-se os critérios locais. Para Anselin (2003), os indicadores mul-
tivariados dão uma indicação do grau de associação linear entre
o valor de certa variável na locação i e a média de outra variável
nas locações vizinhas.

Na presente pesquisa, averigua-se, primeiramente, a depen-
dência espacial global multivariada entre a criminalidade urbana
e a rural (Gráfico 7) e, posteriormente, verifica-se o caso contrá-
rio, ou seja, a possível existência de autocorrelação entre a taxa
de criminalidade rural e a urbana (Gráfico 8).
Nota-se, a partir do Gráfico 7, que existe indicação de de-
pendência espacial da criminalidade urbana em relação a rural.
Constata-se que o valor esperado da estatística de Moran (I =
-0,0045) é inferior ao valor calculado (I = 0,0705). Tais resul-
tados são indícios suficientes para acreditar-se na presença de
autocorrelação positiva agindo sobre os dados da pesquisa. Tal
fenômeno parece, inicialmente, contra intuitivo. No entanto, de-
ve-se levar em consideração que a variável criminalidade pode
ter seu surgimento atrelado a vingança, fiscalização, facilidade da
ação, facilidade de fuga entre outros, ou seja, o crime passa a ser
ocasionado por fatores multidirecionais. Já o Gráfico 8 apresenta
o caso contrário, ou seja, a dependência espacial da criminalida-
de rural em relação a urbana. Logo, o valor computado da esta-
tística de Moran (I = 0,095) apresenta-se maior que o esperado.
Sendo assim, há motivações para se acreditar que os municípios
de altas taxas de criminalidade em suas respectivas áreas rurais
estão, grosso modo, rodeados por municípios com altas taxas de
criminalidade urbanas.
Gráfico 7: Dependência Espacial Global Multivariada da

Criminalidade Urbana Versus Rural.

Figura 3: Dependência Espacial Local Multivariada da
Criminalidade Urbana Versus Rural.
Gráfico 8: Dependência Espacial Global Multivariada da

Criminalidade Rural Versus Urbana.
Figura 4: Dependência Espacial Local Multivariada da

Criminalidade Rural Versus Urbana.

Como amplamente divulgado pela literatura especializada,
indicadores globais podem ocultar ou mesmo serem incapazes
de captura determinados padrões locais (clusters e outliers) es-
tatisticamente significantes. Assim, elabora-se o indicador local
de associação espacial. Tal procedimento consiste em provê in-
dicação do grau de agrupamento dos valores similares em torno
de determinada observação. A partir das Figuras (3 e 4), nota-se
formações de aglomerados em todo Estado. Portanto, os indícios
de autocorrelação espacial da taxa de criminalidade multivaria-
da global puderam ser confirmados localmente.Observa-se que a
dependência espacial local multivariada da criminalidade urba-
na em relação a rural (Figura 3) encontra-se relativamente espa-
lhada no território paraibano. O resultado do LISA aponta que
entre os valores significantes a maior parcela (38,9%) são do tipo
Alto-Alto (High-High), seguido pelos Alto-Baixo (High-Low) re-
presentando 30,6%. Tem-se, sequencialmente, a representação
Baixo-Baixo (Low-Low) com 22,22% dos casos significantes e,
por fim, encontra-se a relação do Baixo-Alto (8,33%). Nota-se
que todas as Mesorregiões (Zona da Mata, Agreste, Borborema e
Sertão) apresentaram municípios com relação do tipo Alto-Alto.
Tal fato deixa latente que a criminalidade urbana dos municípios
paraibanos possui alguma relação com a criminalidade rural de
sua vizinhança. Destaca-se que a ação criminosa pode aumentar
sua eficiência e lucratividade com o alargamento na área de atua-
ção e sua respectiva disseminação no espaço. Sendo assim, a ação
criminosa pode ser urbana, porém o esconderijo e apoio logísti-
co podem ser montados em lugares pouco habitados até mesmo
para reduzir a possibilidade de denúncias e possíveis prisões.
A criminalidade rural é afetada pela criminalidade urbana
de sua vizinhança (Figura 4). Nota-se incidência de apenas dois
pontos representando a relação do tipo Alto-Alto. Um grande
foco que se estende desde a Zona da Mara até o Agreste do Esta-
do envolvendo 18 municípios. E outro na Mesorregião do Sertão
sendo composta por dois municípios. Tais incidências acabam
representando 41,7% dos casos significantes observados no Es-
tado. Entre todos que apresentaram relação do tipo Baixo-Baixo,

tem-se que a maior incidência (25%) ocorre entre os municí-
pios que se localizam entre o Agreste e a Borborema. A relação
Alto-Baixo (22%) encontra-se expressivamente espalhada em
todo Estado. Por fim, têm-se os municípios de comportamento
Baixo-Alto (10,42%). Situados, majoritariamente, na Zona da
Mata. Tais municípios (João Pessoa, Bayeux, Santa Rita e Cabe-
delo) são os principais representantes da região metropolitana
de João Pessoa.
5 RESULTADOS DOS MODELOS ECONOMÉTRI-

COS ESTIMADOS
Na presente seção, primeiramente, estima-se o modelo

clássico de regressão linear (MCRL) para verificar a incidência
de autocorrelação espacial agindo sobre os dados da pesquisa.
Destaca-se que o resultado encontrado (0,105***) aponta indí-
cios de aglomerados espaciais. Portanto, MCRL torna-se ina-
dequado para tratar o problema da dependência espacial da
criminalidade Paraibana entre os anos de 2011 e 2013. Sendo
assim, estimaram-se modelos espaciais de alcance global: SAR,
SEM e SAC. Salienta-se que o modelo mais adequado é aquele
que não apresentar qualquer autocorrelação espacial em seus
resíduos.
Tabela 2: Estimativas dos Modelos Espaciais.

MCRL SAR SEM SAC
Coeficiente Coeficiente Coeficiente Coeficiente

-27,6583*** -32,5411*** -10,2541
Constante MCRL (0,0082) (0,0021) (0,3404)
SAR SEM SAC
0,2102** 0,6276***
ρ - -
(0,0161) (0,0000)
0,2349** -0,6304***
λ - -
(0,0136) (0,0019)

continuação
Taxa de Crimi- 0,1368** 0,1177** 0,1186* 0,0783
nalidade Urbana (0,0262) (0,04849) (0,0597) (0,1086)
Renda Media
1,6439* 1,7593** 2,0427** 0,6137
Domiciliar per
(0,0599) (0,0368) (0,0159) (0,4649)
Capita
Proporção da
População com
3,2997** 3,3999** 4,2499* 0,8064
Renda Menor
(0,0450) (0,0319) (0,0838) (0,6101)
que 1/2 Salário
Mínimo
Proporção da
0,2382*** 0,2087** 0,2092** 0,1991***
População Rural
(0,0079) (0,0116) (0,0160) (0,0085)
Municipal
Índice de
Desenvol- -4,7729* -4,3328* -4,4180* -3,4685
vimento (0,0665) (0,0844) (0,0845) (0,1015)
Humano
Taxa de Tra-
0,2394* 0,2328* 0,2379* 0,1587
balho Infantil
(0,0734) (0,0706) (0,0743) (0,1384)
Municipal
Estatísticas
AIC 669,213 511,098 512,949 511,911
BIC 693,063 542,762 543,614 545,983
LIK -327,606 -245,349 -247,475 -245,956
Multicoli-
478,789 - - -
nearidade
Teste Jarque- 4,907*
- - -
-Bera (0,0859)
Teste Breusch- 12,144*
- - -
-Pagan (0,0588)
Testes para Autocorrelação Espacial
Estatística de Mo-
ran Global Reali- 0,105***
- - -
zada nos Resíduos (0,008)
do MCRL
Fonte: Elaboração própria a partir dos dados da pesquisa.

Notas: *** significante ao nível de 1%.** significante ao nível de 5%.* significan-
te ao nível de 10%.
Apesar de Almeida (2012) sugerir que os resultados do teste

do Multiplicador de Lagrange são suficientes para identificar se a

dependência ocorre na defasagem ou nos erros do modelo, po-
de-se efetuar tal procedimento também com base na minimi-
zação dos valores dos critérios de informação de Akaike (AIC)
e Schwarz (SC), e maior valor para o LIK. Destaca-se que o
teste de dependência espacial de Moran (Tabela 3) efetuado
sobre os resíduos de cada modelo espacial estimado corrobora
com os resultados encontrados nos critério de AIC, BIC e LIK.
Portanto, o modelo mais robusto para avaliar consistentemen-
te os determinantes da criminalidade no meio rural paraibano
é o SAR.
Tabela 3: Teste de Autocorrelação Espacial dos Resíduos dos

Modelos Espaciais Estimados.
Indicador Valor da Estatística P-Valor
Resíduos do SAR -0,0055 0,9620
Resíduos do SEM 0,1167 0,0080
Resíduos do SAC -0,2179 0,0000
O valor apresentado pelo coeficiente (ρ = 0,2102) do mo-

delo SAR sugere que a criminalidade rural paraibana pode estar
sendo influenciada positivamente pelos valores encontrados em
sua vizinhança. Destaca-se que valores de ρ maior que zero su-
gerem similaridades e homogeneidade entre os dados. Portanto,
ambientes com alta criminalidade está mais associado a outro de
alta criminalidade enquanto que locais de baixa criminalidade se
relacionam com ambientes de baixa incidência de crime.
Destaca-se que os modelos SAR possuem coeficientes (β)
relativamente mais complexos de interpretar. Tais coeficientes
sofrem da ação de efeitos direto e indiretos. Portanto, mudanças
na variável explicativa de determinada região afeta a própria re-
gião pelo efeito direto e poderá atingir as localidades vizinhas por
meio do efeito indireto.

Tabela 4: Efeitos do Modelo SAR.
Efeito Efeito Efeito
Variável Explicativa
Direto Indireto Total
Taxa de Criminalidade 0,1368** 0,0368*** 0,1736***
Urbana (0,0262) (0,0056) (0,0057)
Renda Media Domiciliar per 1,6439* 0,4425*** 2,0864***
Capita (0,0599) (0,0057) (0,0057)
Proporção da População com
3,2997** 0,8883*** 4,1879***
Renda Menor que 1/2 Salário
(0,0450) (0,0057) (0,0057)
Mínimo
0,2382*** 0,0641*** 0,3023***
Proporção da População Rural
(0,0079) (0,0056) (0,0057)
Índice de Desenvolvimento -4,7729* -1,2904*** -6,0633***
Humano (0,0665) (0,0057) (0,0058)
Taxa de Trabalho Infantil 0,2394* 0,0645*** 0,3038***
Municipal (0,0734) (0,0056) (0,0057)
Notas: *** significante ao nível de 1%.** significante ao nível de 5%.* signifi-
cante ao nível de 10%. Para encontrar os desvios-padrões dos coeficientes e os
p-valores foram feitas 10.000 amostras aleatórias supondo distribuição normal.
Todas as variáveis da pesquisa (Tabela 4) mostram-se sig-

nificativas e apresentaram o sinal esperado. Nota-se que a taxa
de criminalidade urbana vigente na vizinhança do município “i”
possui o poder de incrementar variações positivas na sua taxa
de criminalidade. Outra variável de comportamento similar é a
proporção da população rural. Portanto, o comportamento da
criminalidade rural acaba dependendo positivamente tanto da
criminalidade urbana de sua vizinhança quanto da população ru-
ral total residente nas redondezas. Assim, o fator população mos-
trou-se relevante para explicar o comportamento criminoso. A
variável renda média domiciliar per capita, mostrou-se como in-
centivadora da criminalidade no Estado. Tal resultado, apesar de
contraditório, é aceitável, pois a criminalidade paraibana acaba
tendo seus maiores focos de ocorrência nas regiões de alta renda
per capita média. A literatura destaca que há maior tendência
de ocorrer crimes em lugares de maior renda comparativamente

aos demais, pois, ceteris paribus, as possibilidades de ganhos au-
mentam muito quando o crime é efetuado em locais mais ricos.
A variável trabalho infantil também demonstra incidir po-
sitivamente sobre a criminalidade rural. Assim, municípios que
possuem maiores índices de trabalho infantil possuem tendência
crescente de aumento na taxa de criminalidade rural. Destaca-se
que o trabalho infantil tem como efeito altos custos sociais. En-
tre todos se podem apresentar o baixo índice de escolaridade e
aprendizado, menor quantidade de tempo dedicado à educação
religiosa e ao aprendizado dos aspectos morais que regem a so-
ciedade, perca da infância entre outras. Portanto, todos estes fa-
tores podem de alguma forma afetar a criminalidade no Estado.
Por sua vez, a proporção da população com renda menor
que meio salário mínimo se mostra significativa para explicar
o comportamento criminoso no Estado. Assim, municípios que
possuem maior proporção de indivíduos nessa situação estão su-
jeitos a incrementos em sua taxa de violência. Por fim, tem-se o
IDH. Este indicador é formulado levando em consideração fato-
res como, por exemplo, a longevidade, a educação e a renda do
agente. Destaca-se que tais índices acabam incidindo negativa-
mente sobre as decisões de crime e não crime dos agentes. Por-
tanto, espera-se que melhorias no IDH tenham como resultado o
aumento na entrada de indivíduos no setor legal da economia e
consequente redução da criminalidade.
Considerando a ação dos efeitos diretos e dos efeitos indire-
tos. Nota-se que melhoras no σ14 do município “i” estão associa-
das a maiores taxas de criminalidade no município “i” por meio
do efeito direto. Por outro, aumentos σ no município vizinho de
“i” impactam positivamente a criminalidade de “i” por meio do
efeito indireto. O caso contrário ocorre apenas quando são obser-
vadas melhoras no IDH do município “i”, pois estão associadas
a menores taxas de criminalidade no município “i”. Assim como,
14
Variáveis: Taxa de Criminalidade Urbana; Renda Media Domiciliar per Ca-
pita; Proporção da População com Renda Menor que 1/2 Salário Mínimo;
População Rural Total Municipal e Taxa de Trabalho Infantil Municipal.

melhoras no IDH na região vizinha de “i” impactam negativa-
mente a criminalidade de “i”.
No presente artigo analisaram-se os determinantes da cri-

minalidade rural nos municípios paraibanos entre os anos de
2011 e 2013. Os resultados levam a crer que a criminalidade sofre
efeitos da imitação contidos sobre seu processo de espalhamento
no espaço. Portanto, a AEDE indica existência de dependência
espacial positiva univariada na criminalidade urbana e na rural.
Ao passo que se avalia o Moran multivariado, nota-se que tanto
a criminalidade urbana versus rural quanto a rural versus ur-
bana apresentam autocorrelação espacial positiva. No entanto,
a criminalidade rural se mostra mais dependente espacialmente
da criminalidade urbana do que o caso contrário. Considerando
o resultado apresentado pelo LISA multivariado da taxa de cri-
me rural, nota-se que 41,67% dos municípios que se mostraram
significantes possuem relação do tipo Alto-Alto, 25% do tipo Bai-
xo-Baixo, 22,92% do tipo Alto-Baixo e, por fim, 10,42% do tipo
Baixo-Alto. Destaca-se que apenas 21,52% dos municípios apre-
sentaram significância a 5%.
Estimou-se os modelos MCRL, SAR, SEM e SAC. No entan-
to, critérios e testes indicam o modelo SAR como mais adequado
para tratar os efeitos espaciais agindo sobre a variável dependen-
te. Nota-se entre as variáveis explicativas que a proporção da po-
pulação com renda menor que meio salário mínimo é a que apre-
senta maior correlação positiva com o crime rural dos municípios
paraibanos. Em seguida encontra-se a renda média domiciliar
per capita, a taxa de trabalho infantil, a proporção populacional
rural e a taxa de crime urbano vigente na vizinhança. Têm-se va-
riáveis que se correlacionam inversamente com a criminalidade
como o IDH. Assim, a eficiência das políticas de segurança pú-
blica depende de uma série de variáveis que fogem ao controle
do gestor. Tais políticas serão tanto mais eficiente quanto mais
desenvolvida a região, quanto menor a proporção da população

com baixa renda, a vulnerabilidade familiar e a própria taxa de
crime urbano observada na vizinhança.
Há indícios de que a criminalidade rural apresente depen-
dência do crime urbano em todos seus aspectos. Sendo assim, os
fatores que geram ou multiplicam os crimes na cidade também
elevam as taxas de criminalidade no campo. Portanto, acredita-se
que políticas públicas direcionadas ao combate da criminalida-
de urbana atrelada ao impedimento da migração de criminosos
para áreas rurais pode surtir efeito redutor sobre a criminalidade
rural Paraibana.
REFERÊNCIAS
ALMEIDA, E. S; HADDAD, E. A; HEWINGS, G. J. S. The spatial

patters of crime in Minas Gerais: na exploratory analisys: Econo-
mia Aplicada, vol.9, no1, 2005.
ALMEIDA, M. A. S, Analise exploratória e modelo explicativo
da criminalidade no Estado de São Paulo: interação espacial
(Dissertação de mestrado), UNESP, 2007.
ALMEIDA, E. Econometria espacial aplicada. Editora Alínea,
Campinas, São Paulo, 2012. 498p.
AMATO, P. R. Children’s adjustment to divorce: Theories, hypoth-
eses, and empirical support. Journal of Marriage and the Family, v.
55, n. 1, p. 23-58, 1993.
ANSELIN, Luc. Spatial Econometrics: Methods and Models. Kluw-
er Academic Publishers, 1988.
ANSELIN, L. Exploratory spatial data analysis and geographic in-
formation systems. In: PAINHO, M. (Ed.) New tools for spatial
analysis: proceedings of the workshop. Luxemburgo: Euro
Stat, p.45-54, 1994.
ANSELIN, L. Local indicator of spatial association – LISA. Geo-
graphical Analysis, v.27, n3, p.93-115, 1995.
ANSELIN, L. Spatial Econometrics: Methods and Models. Kluwer
Academic Publishers. Dordrecht, Netherlands, 1999.

ANSELIN, L. Spacial externalities, spacial multipliers and spacial econo-
metrics. International Regional Science Review, v.26, n.3, 2003.
BEZERRA, J. L. N.; MELO, F. V. S. A evolução da violência homicida
no nordeste brasileiro e no Estado de Pernambuco: fatores socioe-
conômicos que mais se relacionam com as altas taxas de homicídios.
Revista contribuciones a las ciencias sociales, julho, 2012.
BECKER, G. S. Crime e Punishment: An Economic Approach. Jour-
nal of Political Economy 76: 169-217, 1968.
BORGES, D. C. A. A pobreza como foco da desordem e da violência.
Revista levs nº 4, 2011.
EHRLICH, I. Participation in Illegitimate Activities: A Theoretical
and Empirical Investigation. Journal of Political Economy 81,
521-565, 1973.
COHEN, Jacqueline AND George TITA. Spatial Difision in Homi-
cide: An Exploratory Analysis. Journal of Quantitative Crimi-
nology, forthcoming, 1999.
EHRLICH, I. Crime, punishment, and the market for offenses.
Journal of Economic Perspective, v. 10, n. 1, p. 43-67, 1996.
FAJNZYLBER, P.; LEDERMAN, D.; LOAYZA, N. Inequality and vi-
olent crime. Journal of Law and Ecnonomics, 45, 1-40, 2002.
FOTHERINGHAM, A. S.; BRUNSDON, C. e CHARLTON, M. E.
Geographically Weighted Regression: The Analysis of Spatially
Varying Relationships. Chichester, Wiley, 2002.
GAVIRIA, A.; PAGÉS, C. Patterns of Crime and Victimization in
Latin America, Working Paper nº 408, Inter-American Devel-
opment Bank, Washigton DC, 1999.
GLAESER, E. L.; SACERDOTE, B. Why Is There More Crime in Cit-
ies? Journal of Political Economy, University of Chicago
Press, vol. 107(S6), p. S225-S258, dec. 1999.
GROGGER, J. Certainty Vs. Severity of punishment. Economic in-
quiry, v.29, p. 297-309, april, 1991.
HEINEKE, J. M. (ed.). Economic Models of Criminal Behaviour.
Amsterdam: North Holland, 1978.

KELEIJIAN, H. H.; PRUCHA, I. R. Specification and estimation of
spatial autoregressive models with autoregressive and heteroske-
dastic disturbances. Journal of econometrics, número vindou-
ro, 2010.
IBGE. Instituto Brasileiro de Geografia e Estatística: Censo Demo-
gráfico 2010 - Resultados do universo. Disponível em: http://
www.ibge.gov.br. Acesso em: 01 de Janeiro de 2015.
LOUREIRO, A. O. F.; CARVALHO, J. R. O Impacto dos Gastos Pú-
blicos sobre a Criminalidade no Brasil. In: II Encontro CAEN/
Fundação Konrad Adenauer de Políticas Públicas, 2006.
LESAGE, J.; PACE, R. K. Introduction to Spatial Economet-
rics, CRC Press, 2009.
MENEZES, T.; SILVEIRA NETO, R. M.; MONTEIRO, S.; RATTON,
J. Spatial Correlation Between Homicide Rates And Inequality:
Evidence From Urban Neighborhoods In A Brazilian City. Paper
supported by Pernambuco Research Foundation (FACEPE),
2011.
MESSNER, S. F.; ROSENFELD, R. Political Restraint of the Market
and Levels of Criminal Homicide: A Cross-National Application of
Institutional–Anomie Theory. Social Forces, v. 75, 393–416, 1997.
MESSNER, S. F. Poverty, Inequality, and the Urban Homicide Rate:
Some Unexpected Findings. Criminology, v. 20, p.103–14, 1982.
MORAN, P. A. P. The interpretation of statistical maps. Journal of
the Royal Statistical Society B, 10:243-251, 1948.
PEIXOTO, B. T. Criminalidade na Região Metropolitana de Belo
Horizonte: Uma Análise Espacial. Centro de Desenvolvimento e Pla-
nejamento Regional (CEDEPLAR), Belo Horizonte, 2004.
SANTOS, M. J.; KASSOUF, A. L. Uma investigação econômica da
influência do mercado de drogas ilícitas sobre a criminalidade brasi-
leira. Revista economia, v. 8, n. 2, p. 187-210, 2007.
SANTOS, M. J; SANTOS FILHO, J. I. Convergência das taxas de cri-
mes no território brasileiro, Revista EconomiA, 2011.

SARTORIS NETO, A. Homicídios na cidade de São Paulo: uma
análise da causalidade e autocorrelação espaço-temporal. 2000.
Tese (Doutorado), apresentada ao IPE-USP, São Paulo.
WEISELFISZ, J. J. Mapa da Violência 2013. Mortes Matadas
por Armas de Fogo. Disponível em: <http://www.mapadaviolencia.
org.br/mapa2013_armas.php>. Acesso em: 06/06/2015.

C apítulo 3
COINTEGRAÇÃO E TRANSMISSÃO DE
PREÇOS NA AVICULTURA EM PERNAMBUCO
Andson Freitas de Melo15

Wellington Ribeiro Justo16
Alan Francisco Carvalho Pereira17
Andréa Ferreira da Silva18
RESUMO
A atividade avícola se destaca como um setor de grande rele-

vância para o agronegócio brasileiro. Nos últimos anos a ativi-
dade apresentou crescimento significativo, e destaca-se no cená-
rio de exportações. A avicultura tem se disseminado e, além de
sua imponente consolidação nas regiões Sul e Sudeste, vem se
consolidando no nordeste, e de forma substancial no estado de
Pernambuco. No entanto, um dos entraves para a consolidação
do mercado pernambucano de carne de frango, frente às demais
regiões, é a distancia entre a região produtora e as regiões forne-
cedoras de dois de seus insumos, o milho e soja. Estes represen-
tam mais de 90% da composição da ração utilizada na produção.
Posto isso, o presente trabalho analisou a relação entre os preços
dos insumos produtivos, milho e soja, e o preço da carne de fran-
go no estado de Pernambuco no período de janeiro de 2005 a
dezembro de 2014. Utilizou-se o modelo econométrico de séries
15
Mestrando do Programa de Pós-Graduação em economia – PPGECON-U-
FPE. Bolsista FACEPE. [email protected].
16
Professor Associado da URCA. Professor do PPGECON (UFPE). Doutor
em Economia pelo PIMES (UFPE). [email protected].
17
Mestrando em economia PPGECON/UFPE. Bolsista FACEPE. alanperei-
[email protected].
18
Doutoranda do Curso de Pós-Graduação em Economia - PPGE, Univer-
sidade Federal da Paraíba (UFPB). E-mail: [email protected].

temporais, empregando o método vetorial autoregressivo (VAR),
o teste de Granger, e a função impulso resposta e a decomposição
da variância. Os resultados demonstram que choques exógenos
no preço do milho e da soja influenciam positivamente o preço
do frango por um curto período após o choque inicial.
Palavras-chave: Avicultura; VAR; Causalidade de Granger.
1 INTRODUÇÃO
Nas últimas décadas, o setor do agronegócio brasileiro vem

se consolidando como um dos setores mais fortes e competitivos,
frente ao comercio mundial. O Brasil tem ofertado produtos com
qualidade diferenciada, resultando na redução na importação de
commodities agropecuárias, impulsionando o surgimento e o de-
senvolvimento de grandes empresas no setor.
Em meio a este cenário, de um setor que vislumbra grandes
possibilidades de ascensão, avicultura é uma das atividades de
grande relevância. Atualmente, o Brasil é um dos países de maior
participação no mercado mundial na produção de aves, essen-
cialmente frango de corte. Em 2014, segundo o relatório anual da
Associação Brasileira de Proteína Animal (ABPA), o país regis-
trou uma produção de 12.690 milhões de toneladas de carne de
frango, números que conferem ao Brasil o terceiro lugar, ficando
atrás dos Estados Unidos (17 257) e china (13 000), na produção
de carne de frango. A carne de frango destaca-se também como
um produto relevante na pauta de exportações brasileira, segun-
do a ABPA (2015) do total produzido pelo setor, cerca de 32% é
destinado a exportações, o que confere ao país o primeiro lugar
no cenário mundial.
No Brasil a avicultura iniciou-se basicamente nas regiões Sul e
Sudeste por volta de 1950. Até os anos 80, a atividade consolidou-
-se essencialmente nos estados de São Paulo, Minas Gerais, Para-
ná, Santa Catarina e Rio Grande do Sul, estados que, nos dias atu-
ais, continuam a se destacar como principais produtores de carne
frango do país. No entanto a partir da década de 90 a atividade

vem se espalhando por todo o território nacional (Rodrigues et al.,
2014). A expansão da avicultura abrange não somente as regiões
produtoras das matérias-primas essenciais, como menciona Evan-
gelista et al. (2008), mas também das regiões consumidoras, o que
explica em parte o seu crescimento na Região Nordeste.
No nordeste a avicultura ganhou espaço nos últimos anos, e
se destaca com a modernização da atividade. O crescimento da
avicultura tem se constituído determinante na geração de em-
prego e renda. Segundo a Relação anual de informações sociais
(RAIS), em 2004, a avicultura gerou mais de 18,1 mil empregos
formais no nordeste, considera-se que esses números ainda estão
muito aquém da realidade, pois a informalidade é um dos gran-
des problemas do setor.
Em Pernambuco, a avicultura também se destaca como uma
atividade promissora. Desde 2005, segundo a Associação Avícola
de Pernambuco (AVIPE), a atividade registra uma evolução de
35%, produzindo em 2014, cerca de 1,5 milhões de toneladas de
carne de frango, maior produção da região nordeste.
Apesar da expansão da atividade na região nordeste e, para-
lelo, no estado de Pernambuco, ainda há muito para melhorar.
Alguns entraves impossibilitam um crescimento mais expressi-
vo, um deles é a distância para os centros produtores dos grãos
essenciais à criação: milho e soja, o que encarece a produção, re-
duzindo a capacidade competitiva do estado.
O milho é insumo presente na produção dos mais diversos
produtos. Na produção de frango de corte, o milho e a soja des-
pontam como os insumos mais utilizados. Na composição da ra-
ção utilizada, o milho representa cerca de 70%, enquanto a soja
compõe cerca de 20% a 25%. Dessa forma, alterações e choques
nos preços do milho e da soja tendem a causar efeitos diretos nos
preços da carne de frango. Neste contexto, é necessário compre-
ender como o comportamento nos preços dos insumos afeta o
preço da carne de frango em Pernambuco.
O objetivo desse trabalho é analisar o impacto das variações
no preço do milho e da soja sobre o preço da carne de frango em
Pernambuco, a partir da utilização do método de Vetores Autor-

regressivos (VAR), no período compreendido entre Janeiro de
2005 a Dezembro de 2014. A série analisada limita-se aos dados
cedidos pela AVIPE. Têm-se como objetivo desenvolver análise
de estacionariedade nos preços, verificar por meio do teste de
Granger as causalidades entre as variáveis em estudo, e obser-
var, por meio da função impulso resposta, qual é o impacto de
um choque no preço da soja e do milho sobre o preço da carne
de frango.
Uma vez verificadas as condições de causalidades e o impac-
to de choques inesperados nos preços dos principais insumos na
cadeia produtiva sob o preço do produto final, será possível iden-
tificar possíveis entraves comuns à atividade e direcionar me-
lhores estratégias na tentativa de redução dos custos buscando
fortalecer o mercado de frango em Pernambuco.
Apesar de a avicultura nacional ser objeto de estudo de mui-
tos pesquisadores, há carência na literatura de trabalhos que
abordem essa atividade com o enfoque na avicultura Pernambu-
cana. Por isso, busca-se por meio deste, proporcionar maiores
informações, bem como estimular outros trabalhos que visem
analisar um mercado tão relevante e promissor, que se trata a
avicultura em Pernambuco.
Este trabalho é composto de quatro seções além desta in-
trodução. A segunda aborda o mercado de avícola e os insumos
produtivos. A seção seguinte descreve os métodos e as técnicas
utilizadas enquanto a quarta seção traz os resultados e discus-
sões. Finalmente na última seção têm-se as considerações finais.
2 MERCADO AVÍCOLA E INSUMOS PRODUTIVOS
Martinelli e Souza (2005) menciona que, nos últimos anos,

a atividade avícola brasileira passou por mudanças significativas.
Eles referem-se ao aumento na demanda do produto, tanto em
função do aumento da população, quanto ao aumento da renda.
A atividade registra também uma demanda externa muito forte.
O Brasil consolida-se como maior fornecedor de carne de fran-
go do mundo, exportando em 2014 mais de 12,690 milhões de

toneladas, para mais de 150 países em todo o mundo, segundo a
União Brasileira de Avicultura (UBA, 2015). Nesse contexto, há
uma participação significativa da atividade na economia do país.
A União Brasileira de Avicultura (2015) destaca também que a
avicultura no Brasil, emprega aproximadamente 4,5 milhões de
trabalhadores (direta e indiretamente) e responde por quase 1,5
% do produto interno bruto (PIB) nacional.
A modernização na atividade também é destacada por Vieira
et al. (2006), como determinante no crescimento. Os mesmos fa-
zem referência às mudanças no comportamento do consumidor,
tanto por motivos culturais, quanto pela ascensão econômica e o
acesso à informação, uma vez que a carne de frango é indicada
por muitos especialistas como “saudável”, frente às carnes bovi-
na e suína.
A evolução na produção da carne de frango em nível nacio-
nal consolida-se por diversos motivos. Viola e Triches (2013)
mencionam que o avanço tecnológico no setor, o reconhecimento
mundial da qualidade do produto nacional, e os preços, relativa-
mente menores, comparado às carnes bovina e suína, são deter-
minantes, nessa evolução.
Garcia (2004) registra também a importância da reestrutu-
ração industrial, progresso tecnológico, melhoramento no de-
sempenho e manejo com as aves, bem como o avanço na compo-
sição da nutrição e sanidade das aves, como molas propulsoras
do crescimento da atividade.
No Nordeste, a atividade vem ganhando espaço nas ultimas
décadas, e passa por um período de modernização estrutural e
tecnológico. Além de grandes empresas de atuação no mercado
nacional iniciarem atividades na região, o mercado é caracteriza-
do também, por diversas empresas regionais que buscam espaço
nesse mercado em ascensão.
Evangelista et al (2008) destacam que a produção nordesti-
na de carne de frango em 2005 foi de 703,6 mil toneladas, con-
centrando-se, essencialmente em Pernambuco, Bahia e Ceará.
Os mesmos destacam que o setor responde por 9,57% dos em-
pregos formais da região.

Em Pernambuco, segundo o IBGE, (2006) a atividade regis-
trou em 2005 uma produção de 229,8 mil toneladas de carnes
de frango e um total 100 milhões de aves abatidas. A atividade
correspondeu a 19,7% do PIB agropecuário com um faturamento
de R$ 770 milhões, o que representa também cerca de 2,0 % do
PIB estadual daquele ano.
Segundo Evangelista (2008) apesar da busca para alcançar
os padrões tecnológicos utilizados nas demais regiões produto-
ras, a avicultura em Pernambuco esbarra em um obstáculo de
grande relevância para o setor; o fornecimento de insumos, es-
sencialmente o milho e a soja, principais insumos na produção
de ração que representam atualmente cerca de 67% do custo da
produção avícola no nordeste, para o Brasil o custo percentual é
de pouco mais de 57%.
Identifica-se nesse cenário uma limitação na produção aví-
cola na determinação de preços do produto e por consequência
na maximização dos lucros. Essa limitação dar-se essencialmen-
te pela distancia relativa entre a região produtora de grãos e o
estado produtor. Pernambuco não produz milho nem soja em
quantidades suficientes para suprir as necessidades de sua pro-
dução. A soja é adquirida de produtores nos estados vizinhos,
como Piauí, Bahia e Maranhão. E o milho é adquirido em estados
do nordeste, em Goiás e no Mato Grosso. Ainda há a importação
de grãos de países vizinhos, sendo a Argentina, um dos maiores
fornecedores para atividade no estado (EVANGELISTA, 2008).
Os custos de produção tornam-se, dessa forma, um entrave
para continuidade do crescimento da atividade. Vasconcelos e
Garcia (2004) mencionam que as empresas buscam maximizar
a produção para um dado custo total. Ou de doutra forma, bus-
ca-se minimizar os custos totais, para um dado nível de produ-
ção. Em todos os setores econômicos, a globalização econômica,
o aumento no nível de concorrência, faz que empresas busquem
minimizar seus custos produtivos, a fim de melhorar seu nível de
competitividade e maximizar lucros.
Na produção de frango de corte, segundo dados da COBB
ALIMENTOS E NUTRIÇÃO (2009) a ração engorda, a principal

ração utilizada na produção, é composta por mais de 40 ingredien-
tes, nestes, o milho, compõe cerca de 65% do corpo da ração, a
soja 33%, os demais aditivos, são utilizados em escalas estratégicas
de acordo com os objetivos da empresa, tornando cada fórmula,
particular. Observa-se dessa forma que o aumento na demanda
da carne frango impulsiona o aumento na demanda pelos insu-
mos produtivos, interferindo diretamente nos preços do milho e
da soja, principalmente. Da mesma forma, os preços dos insumos,
eventualmente influenciados por questões climáticas, choques ex-
ternos, nível de produtividade, dinâmica cambial e pela demanda
interna e externa, inclusive para a produção da carne de frango,
também podem influenciar os preços no mercado de frango.
3 METODOLOGIA
A metodologia empregada para analisar a cointegração dos

preços dos insumos com o preço da carne de frango comerciali-
zada no estado de Pernambuco segue um roteiro estabelecido em
diversos outros estudos semelhantes levando em consideração
outros mercados. Dentre eles podem ser citados os trabalhos de
Valente e Braga (2006) para o mercado de café relacionado com
as dinâmicas dos índices das bolsas de valores nacionais; Carva-
lho et. al. (2007) para o café e cacau no mercado internacional;
e Souza et. al. (2013) analisando o mercado da manga produzida
no Vale do São Francisco, entre outros.
Em todos os trabalhos que buscam captar os efeitos de cointe-
gração em séries temporais, sejam de produtos agropecuários ou
não, o exame das séries é indispensável para tornar viável a aná-
lise. Nesse sentido, alguns passos simples devem ser executados
para dar prosseguimento às estimações. Basicamente as etapas
consistem em: a) testar estacionariedade das séries de dados uti-
lizadas; b) estimar o modelo vetorial autorregressivo para deter-
minação das influências e inter-relação das variáveis utilizadas; c)
aplicar o teste de causalidade de Granger para definir quais variá-
veis causam as demais, e, por fim, d) estimar a função de resposta
ao impulso para dimensionar o grau de influências entre as séries.

3.1 Testes de raiz unitária: Dickey-Fuller aumenta-
do e Philips Perron
Em qualquer estudo que envolva séries temporais, a con-

fiabilidade das análises e previsões está embasada na hipótese
de estacionariedade das séries ao longo do período. Uma série é
dita estacionária, ou que não possui raiz unitária, se sua média
e variância são constantes ao longo do período de apresentação
da mesma. Outra característica de uma séria estacionária é a
covariância entre os períodos que depende apenas da distância
periódica k da defasagem utilizada (GREENE, 2002). Análises
e estimações feitas sobre uma série não estacionária podem ser
consideradas de baixo grau explicativo, ou não confiáveis (SOU-
ZA et. al., 2013). Formalmente a estacionariedade de uma séria
pode ser definida pelas expressões a seguir de acordo com Ha-
milton (1994):
Média: E(Yt) = m (1)
Variância: var(Yt) = E(Yt – m)2 = s (2)
Covariância: E(Yt – m)(Yt+k – m)2 = Yk (3)
Entre os diversos testes utilizados para verificar estaciona-

riedade, ou existência de raiz unitária, de uma série optou-se
pelo uso dos dois testes mais tradicionais, o Dickey-Fuller por
Mínimos Quadrados Generalizado (DF-GLS), conhecido por sua
vasta utilização e também devido sua característica de pondera-
ção introduzida pelo GLS e o teste de Phillips-Perron.
O teste DF-GLS, como é conhecido, é considerado um teste
potente de segunda geração dos testes de raiz unitária e foi de-
senvolvido por Elliot et al., (1996). A execução do DF-GLS consi-
dera a retirada de tendência determinística dos dados por meio
de uma regressão por mínimos quadrados generalizados. Após a
retirada da tendência, o teste é executado com a hipótese nula de
existência de raiz unitária. As hipóteses alternativas são decom-
postas em duas categorias (WOOLDRIDGE, 2006):

1. Ha1: a série não possui raiz unitária com tendência linear;
2. Ha2: a série não possui raiz unitária sem tendência linear;
De maneira simples, a retirada da tendência determinística
da série Yt acontece considerando duas variáveis xt e zt numa re-
gressão por GLS como se segue:
Yt = φ0xt + φ1zt + e (4)
Após a regressão gera-se uma nova variável yt* = e livre de
tendência e usada no teste DF seguindo Chatfield (2004).
A hipótese nula de não existência de raiz unitária é tradu-
zida pela expressão b1 = 0 na equação (5). Sendo confirmada a
estacionariedade da série, procede com a execução do modelo
Autorregressivo (VAR). Caso seja detectada a presença de raiz
unitária, lança-se mão a transformações sobre as séries para que
elas sejam transformadas em estacionárias (GUJARATI e POR-
TER, 2011).
(5)
O teste de Phillips-Perron foi formulado com o objetivo de re-

solver o viés assintótico do teste original de Dickey-Fuller quando
existe correlação serial nos resíduos. Isso é feito através de uma
correção da estatística τ do teste original de Dickey-Fuller:
(6)
Para a equação que supõe que o yt é um AR(1):

(7)
E é estimada por mínimos quadrados ordinários.
Se a série temporal possui raiz unitária sem tendência deter-
minística, a tomada das primeiras diferenças da série a tornarão
estacionária. A primeira diferença de uma série pode ser calcula-
da, segundo Pindyck e Rubinfeld (2004), por:
yt = (Yt – Yt–1) = e (8)

Caso a série tenha raiz unitária com tendência, realiza-se a
regressão da série contra o tempo e os resíduos obtidos nessa
regressão serão, então, estacionários.
3.2 Modelo Vetorial Autorregressivo (VAR)
O modelo Vetorial Autorregressivo (VAR) é basicamente

visto como um conjunto ou, mais simplesmente, como um sis-
tema de equações estimadas e que representam o mesmo leque
de variáveis explanatórias para todos os componentes da equa-
ção. A estimação do VAR acontece de maneira simples, por meio
de uma regressão por mínimos quadrados ordinários para cada
equação individual levando em consideração o sistema simultâ-
neo de equações (HAMILTON, 1998).
Desta forma, um VAR é um sistema de equações em que cada
uma das variáveis que compõem o sistema é função dos valo-
res das demais variáveis no presente, dos seus valores e dos
valores das demais variáveis defasadas no tempo, mais o erro
(ruído branco). As variáveis nestes modelos, geralmente, são
tratadas como endógenas de forma que cada uma das variá-
veis é explicada pelo seu valor defasado, e explicada também,
pelos valores defasados das outras variáveis que compõem o
modelo (CHATFIELD, 2004).
Como características positivas da modelagem do VAR, al-
guns autores destacam a simplicidade e equilíbrio no tratamento
das variáveis, pois o modelo especifica a simultaneidade das vari-
áveis de forma igualitária entre elas; a aplicação é simples e pode
ser considerada pela perspectiva do método de MQO e para cada
equação de maneira isolada; e, por fim, as previsões obtidas com
base nos resultados do modelo são consistentes quando compa-
rados com métodos mais complexos (GUJARATI, 2011).
O VAR pode ser sintetizado pela equação a seguir dada por
Greene (2002), por:
(9)

Onde, W1 é uma matriz n x n de coeficientes das variáveis yt
defasadas em ι períodos, e b1 é uma matriz n x k dos coeficien-
tes das demais variáveis endógenas incluídas no modelo e, tam-
bém levando em consideração as defasagens chamadas de lags.
A quantidade de defasagens do modelo VAR é definida de acordo
com o maior valor para as estatísticas de ajustamento de modelo.
Utilizamos como critérios de decisão para a escolha da defasa-
gem ótima do modelo os resultados obtidos nos seguintes tes-
tes; critério de Akaike (AIC), Critério de informação de Schwarz
(SBIC), Hannan-Quinn (HQ), critério do erro de predição final
(FPE) e estatística de teste (LR).
O vetor de erros m, desempenha papel relevante no mode-
lo por representar as influências de variáveis exógenas revela-
das na função de resposta ao impulso (FRI). Acompanhando
o modelo Vetorial Autorregressivo a estimação das funções
de resposta aos impulsos, considerando os termos de erro, é
de grande importância na determinação das influencias de
choques exógenos sobre as variáveis consideradas na análise.
Nesse sentido, após a determinação da causalidade, como será
explicada no próximo tópico, se torna relevante analisar o com-
portamento do sistema de acordo com influências externas. Um
choque sobre o vetor m afeta as variáveis do modelo no instante
0 (presente), quanto em instantes futuros dados os coeficientes
das variáveis defasadas do VAR usados para fins de previsão
(GUJARATI e PORTER, 2011).
3.3 Teste de causalidade de Granger
O teste de causalidade de Granger para duas séries de da-

dos, desenvolvido por Clive Granger (1969), tem como objetivo
direto e principal analisar se uma série Yt de dados tem efeito na
determinação de previsão de outra série Xt. Segundo Cavalheiro
(2011), o termo causalidade de Granger para duas séries de da-
dos Xt e Yt significa que as séries são cointegradas entre elas e
integradas individualmente para com elas mesmas, ambas coin-
tegrações (individuais e paralelas) observadas, simultaneamen-

te. Nesse sentido, a cointegração pode ser entendida como uma
relação de causalidade geral do modelo para duas séries. Ou seja,
uma variável Xt, vai ser dita que causa Granger em uma variável
Yt, se, os valores passados de Yt e valores passados de Xt, sejam
úteis para prever Xt. Essa discussão de causação e cointegração
pode ser generalizada para um número superior de variáveis,
como é o caso do presente trabalho.
Tomando como base um intervalo de confiança de 95% se
o valor da estatística ρ for menor que 0,05, rejeita-se a hipótese
nula de que o coeficiente associado à variável explicativa, que re-
presenta a série dita causadora, é estatisticamente igual a zero,
desta forma, uma variável causa Granger a outra. Do contrário,
ao não rejeitar a hipótese nula e rejeitar a hipótese alternativa,
diz-se que uma variável (série) não causa Granger a outra, assim,
a probabilidade do teste foi maior que 0,05.
Para o presente trabalho, o teste de Granger, será dado pelo
seguinte conjunto de equações, segundo Cavalheiro (2013):
(10)
(11)
(12)
Onde,
Pƒt é o preço do frango no atacado comercializado em
Pernambuco;
Pst é o preço da soja no atacado nacional; e,
Pmt é o preço do milho no atacado nacional.
As hipóteses do teste de Granger são testadas individualmen-
te por a = 0, ϕ = 0 e δ = 0. Caso um destes testes seja estatistica-
mente diferente de 0, então é dito que a respectiva variável “causa
Granger” a dependente em questão na análise (GREENE, 2002).

3.4 Fonte de dados
As informações dos preços de frango comercializado e dos

insumos preço do milho e soja foram obtidas junto à Associa-
ção dos Avicultores de Pernambuco (AVIPE). A série de dados é
mensal e se estende de janeiro de 2005 a dezembro de 2014. As
séries de preços foram deflacionadas pelo Índice Geral de Preços
– Disponibilidade Interna (IGP-DI) obtido no banco de dados do
site do Instituto de Pesquisa Econômica Aplicada (IPEADATA) e
usando como base dezembro de 2014.
4 RESULTADOS E DISCUSSÕES
A seguir serão apresentados e analisados os resultados ob-

tidos no estudo proposto. As análises foram divididas em subse-
ções para melhor compreensão do estudo.
4.1 Analise preliminar da série
É essencial observarmos, inicialmente, o comportamento

das variáveis utilizadas no modelo. Através da figura 1 é possível
observar, no eixo das ordenadas está às variações nos preços da
carne de frango e dos insumos, no eixo das abscissas verificam-se
os anos analisados, de 2005 a 2014, os valores foram deflaciona-
dos pelo IGP-DI para dezembro de 2014.
Observam-se por meio da análise gráfica, em relação às ca-
racterísticas inerentes as séries, que todas apresentam tendência
crescente no período analisado, com destaque para os preços da
carne de frango e preço da soja que apresentam um crescimento
percentual, de 23% e 58,67% no período analisado. Já o preço do
milho, cotado inicialmente ao preço de R$ 0,595, fecha a série, em
dezembro de 2014, ao preço de R$ 0,724, uma evolução de 21,68%.
Observa-se também, que o preço da carne de frango, em al-
guns períodos, sofre oscilações que não decorrem da influência
dos insumos produtivos analisados. Por se tratar de um mercado
dinâmico sob influência de vários outros segmentos, alguns fa-

tores exógenos à produção podem ser responsáveis pelas oscila-
ções, como por exemplo, renda, mercado externo, dentre outros.
Figura 1: Evolução dos preços da carne de frango, milho e soja

no atacado praticados no estado de Pernambuco entre janeiro de
2005 e dezembro de 2014 (valores reais de dezembro de 2014,
pelo IGP – DI).
Fonte: Elaboração própria com base nos dados da AVIPE.
Já os preços do milho e da soja não apresentam oscilações

significativas. Ou seja, não há indícios de quebras estruturais,
nestas séries. A trajetória do preço do milho mantém-se seme-
lhante à trajetória do preço da soja. A análise gráfica, a princípio,
não demonstra indícios de sazonalidade em nenhumas das sé-
ries. A trajetória de evolução gráfica nos indica previamente, que
as séries parecem ter o comportamento estacionário, o que será
confirmado ou não, a partir dos testes a seguir.
4.2 Teste de Raiz Unitária: ADF e Phillips Perron
Fez-se necessário analisar a estacionariedade da série de

preços. Para tal, utilizaram-se os Teste de Raiz Unitária de Di-
ckey-fuller aumentado (ADF) e o teste de Phillips Perron, no qual
o número de defasagens necessárias a serem incluídas no teste
é estimado de forma a eliminar a autocorrelação dos resíduos.
Os testes foram realizados sob os níveis de 1%, 5% e 10% de
significância.

Tabela 1: Testes de raiz unitária: Dickey-Fuller Aumentado
(ADF) e Phillips Perron (PP) para as séries de preços de frango,
milho e soja no atacado para o estado de Pernambuco.

Nota: ***, ** e * indicam, respectivamente, 1%, 5%, 10% de significância.
Os resultados dos testes de raiz unitária, tabela 1, de Dickey-

fuller e Philiips Perron, indicaram que as séries de preços ori-
ginais, transformadas em logaritmo não possuem em algumas
especificações dos testes, com constante e sem constante, caráter
estacionário, quando analisadas em nível. Observa-se que os dois
testes, apresentaram não rejeição da hipótese nula, da presença
de raiz unitária, quando feitos com constante e sem constante.
No entanto as séries das primeiras diferenças apresentam esta-
cionariedade, e com isso as séries de estudo podem ser ditas pro-
cessos integrados de ordem um.
4.3 Modelo Vetorial Autorregressivo (VAR)
Verificada a condição de estacionariedade, avaliou-se a de-

fasagem ótima, para a estimação do VAR, por meio dos testes
Akaike (AIC), Critério de informação de Schwarz (SBIC), Han-
nan-Quinn (HQ), critério do erro de predição final (FPE) e es-
tatística de teste (LR). Com base nas informações da Tabela 2,
verifica-se que todos os critérios indicaram que o modelo VAR
deve conter uma defasagem.

Tabela 2: Teste para definição de defasagens ótimas para o VAR.
Nº. de
AIC SBIC HQ FPE LR
lags
0 -8.01602 -7.94441 -7.98696 6.6e-08 -
1 -8.32388* -8.03746* -8.20762* 4.9e-08* 53.404*
2 -8.24833 -7.74708 -8.04487 5.3e-08 9.311
3 -8.12552 -7.40945 -7.83487 5.9e-08 3.8773
4 -8.12552 -7.08736 -7.64041 5.9e-08 5.6642
O modelo Vetorial Autorregressivo (VAR), foi estimado com

uma defasagem, como indicaram os testes para a definição de de-
fasagens ótimas, sob os níveis de significância de 1%, 5% e 10%.
Os resultados do VAR estão expostos na tabela 3.
Tabela 3: Resultados do modelo Vetorial Autorregressivo (VAR)
sem restrição estimado.
Preço do Preço do
Preço da Soja
Frango Milho
Preço do Frango (-1) 0,0050242 - 0,2170912*** -0,1999648**
(0,0944934) (0,0834631) (0,0836405)
Preço do Milho (-1) 0,4789577*** -0,337266*** -0,283898**
(0,1377782) (0,1216953) (0,1219539)
Preço da Soja (-1) 0,4300318*** -0,2842776** -0,2330875*
(0,1374238) (0,1213822) (0,1216402)
Constante 0,0076256 0,0067468 0,0086155

(0,0047327) (0,0069006) (0,0068829)
Nota: Erros padrão entre parênteses; ***, ** e * indicam, respectivamente, 1%,
5%, 10% de significância.
Como pode observar na análise da estimativa do VAR, sob

o intuito de detectar as causalidades de uma variável a outra,
os resultados demonstram que nem todos os coeficientes mos-

tram-se estatisticamente significativos. Destaca-se ainda que
na regressão do preço do frango, o coeficiente preço do milho e
do preço da soja, defasados em um período, são estatisticamen-
te significantes a 1%. Vemos que na regressão do preço do mi-
lho, todos os coeficientes mostram-se significantes, exceto o da
constante. Destaca-se que, na mesma regressão, os coeficientes
dos preços do milho e do frango, comportam-se estatisticamen-
te com maior nível de significância do que o preço da soja. Para
finalizar, na regressão do preço da soja, também todos os coe-
ficientes das variáveis são significantes. No entanto, destaca-se
que os coeficientes do preço do frango e do milho, são estatis-
ticamente mais significantes do que o preço da soja, na mesma
regressão.
Estimado o modelo, para que as aplicações empíricas possam
ser confiáveis, alguns pressupostos devem ser atendidos. Um des-
ses pressupostos é a condição de estabilidade do modelo, condição
essa que pode ser verificada por meio do gráfico de estabilidade do
modelo estimado como podemos observar no gráfico 1.
Gráfico 1: Estabilidade do VAR.


A validação das condições de estabilidade do VAR, como se
pode observar depende do modulo de cada autovalor da matriz
companheira, exibida no gráfico. Verifica-se se todos os autova-
lores estão dentro do círculo unitário, ou seja, se, em modulo,
eles são menores do que um. Como podemos observar na análise
gráfica, todos os valores se encontram dentro do círculo, o que
nos garante a estabilidade do modelo e, portanto a Função de
Resposta ao Impulso tem interpretação conhecida.
Após a verificação das condições de estabilidade do modelo
estimado, o teste de multiplicador de Lagrange, tabela 4 a seguir,
nos mostra se há autocorrelação nos resíduos do VAR.
Tabela 4: Resultados do teste de multiplicador de Lagrange

para o VAR.
Lag Chi 2 Df Prob >chi2
1 8.8897 9 0.44752
Sob a hipótese nula H0 de não há autocorrelação nos resíduos,

verifica-se por meio da tabela 3 que, ao nível de significância de
95%, não se rejeita a hipótese nula, na primeira defasagem de
que não há autocorrelação entre os resíduos.
4.4 Teste de Causalidade de Granger
Após a estimação do VAR, o teste de causalidade de Granger,

tabela 5, nos mostra, se uma variável (x) provoca outra (y), no
sentido de Granger, destarte, dados os valores das variáveis em
estudo (x) e (y) são úteis para prever os valores de (y).

Tabela 5: Resultados do teste de causalidade de Granger para
os preços do frango, milho e soja no atacado comercializados em
Pernambuco.
Nº.
Hipóteses nulas: F-Statistic Prob.
Observações
Preço do milho não Granger
118 11,9638 0,0000
Causa preço do frango
Preço do frango não Granger
5,72788 0,0043
Causa preço do milho
Preço da soja não Granger

118 9,61537 0,0001
Causa preço do frango
Preço do frango não Granger
3,4395 0,0355
Causa preço da soja
Preço da soja não Granger

118 3,17191 0,0457
Causa preço do milho
Observa-se que, de acordo com os valores da tabela 5, rejei-

ta-se a hipótese nula de que o preço do milho não causa, no sen-
tido de Granger, o preço da carne de frango. Esse resultado era
esperado, uma vez que o milho representa um dos insumos mais
importantes na produção da carne de frango. Rejeita-se também,
a hipótese nula de que o preço do frango não causa o preço do mi-
lho. Essa interação é compreensível, à medida que alterações no
preço do frango afetam a oferta do produto, e por consequência,
alteram a demanda pelo milho.
Ainda de acordo com os valores da tabela 5, rejeita-se a hipó-
tese nula de que o preço da soja não causa o preço do frango. E,
rejeita-se também a hipótese nula de que o preço do frango não
causa o preço da soja. Esse resultado mostra-se compreensível
uma vez que há a soja é um dos principais insumos na produção
de frango.

Os resultados de interação entre os preços dos insumos
produtivos, milho e soja e o preço da carne de frango, corro-
boram com outros trabalhos existentes na literatura. Bini et
al (2015) ao analisarem a cointegração e transmissão de pre-
ços na cadeia produtiva do frango, para o Brasil, verificaram
que os preços do milho e da soja têm impacto significativo na
transmissão de preços para a carne de frango. Profeta e Lima
(2012) ao observar a coordenação e transmissão de preços na
cadeia produtiva do frango de corte no Brasil, também veri-
ficaram que as variações nos preços do milho e da soja são
transmitidas mais do que proporcionalmente para o preço da
carne de frango.
No que diz respeito à causalidade entre os preços do mi-
lho e da soja, ainda de acordo com a tabela 5, os valores in-
dicados nos mostram que se rejeita a hipótese nula de que o
preço da soja não causa, no sentido de Granger, o preços do
milho, e rejeita-se também a hipótese nula de que o preço do
milho não causa o preço da soja. A interação entre o preço
do milho e da soja possui uma dinâmica de compreensão com
maior complexidade. Apesar de a análise ser feita com os pre-
ços dos insumos em Pernambuco, estes sofrem influência dos
mais diversos setores da economia, além do próprio mercado
de carne de frango.
4.5 Função de Resposta ao Impulso
Após a estimação do VAR e da análise do teste de causalida-

de de Granger, é interessante avaliar a dinâmica da relação entre
as variáveis por meio da função de resposta ao impulso (FARIAS,
2008). A função impulso resposta permite analisar a resposta de
uma variável qualquer do sistema, dado um impulso em qual-
quer outra variável endógena. Ou seja, a partir de choques ines-
perados em uma variável, qual é o nível da do impacto sob as
demais variáveis do sistema. A figura 2 apresenta os gráficos com
as funções de resposta ao impulso em função de choques exóge-
nos nas variáveis.

A primeira linha de gráficos, figura 2, mostra os efeitos da
alteração no preço da carne de frango, após choques exógenos no
preço da carne de frango e nos preços dos insumos milho e soja.
Choques no preço do frango faz oscilar o seu preço estabilizando
no quarto período. Isto é esperado haja vista que a reprograma-
ção da produção em virtude de variações no preço tem uma de-
fasagem em função do ciclo de engorda. Os efeitos no preço da
carne de frango em virtude de choques exógenos nos preços do
milho e soja são similares. Isto é, incialmente impacta de forma
positiva indicando uma tentativa dos produtores em repassar o
aumento nos custos de produção para o preço de seus produtos,
mas em virtude, provavelmente em função da concorrência do
frango produzido em outras regiões, têm que ajustar às condi-
ções de mercado. O efeito dos choques se estabiliza após quatro
períodos.
Figura 2: Gráficos de resposta ao impulso sobre as séries de

preços do frango, milho e soja no atacado comercializados em
Pernambuco.
Na segunda linha de gráficos da figura 2 têm-se o efeito no

preço do milho em virtude de choques exógenos nas variáveis do

modelo. Observa-se que há inicialmente impactos negativos, o
que pode ser explicado por possível queda na demanda, mas que
se estabilizam a partir de quatro períodos.
Finalmente, na última linha de gráficos da figura 2, têm-se
os efeitos de choques exógenos nas variáveis do modelo no pre-
ço da soja no mercado pernambucano. Os efeitos são similares
ao que acontecem com o milho. Estes resultados são esperados
haja vista que estes dois insumos, como dito anteriormente são
os mais importantes na composição da ração de engorda. A esta-
bilização dos choques ocorre após três períodos.
4.6 Decomposição da variância
Na figura 3, temos os Gráficos de decomposição da variância

dos erros de previsão sobre as séries de preços do frango, milho e
soja. Zivot e Wang (2005) afirmam que a decomposição da vari-
ância dos erros nos indica qual a proporção da variância do erro
de previsão é decorrente de um choque estrutural.
Figura 3: Gráficos de decomposição da variância dos erros de

previsão sobre as séries de preços do frango, milho e soja no
atacado comercializados em Pernambuco.

O uso da metodologia VAR permite, ainda, avaliar o poder
explicativo de cada variável sobre as demais por meio da decom-
posição da variância do erro de previsão. Contudo, o modelo VAR
é sensível à ordenação das variáveis. A ordem seguida foi então
em função do resultado do teste de causalidade de Granger.
Com relação à decomposição da variância dos erros do preço
da carne de frango observa-se que após 4 períodos é explicada em
cerca de 70% pelo seu próprio preço, cerca de 20% pelo preço do
milho e cerca de 15% pelo preço da soja. De forma similar ocorre
com o preço do milho. Contudo, em relação à decomposição da
variância dos erros do preço da soja, cerca de 60% é explicada
pelo seu próprio preço. Já o preço da carne de frango e do milho
explica em conjunto menos de 5% da variância do erro de previ-
são do preço da soja.
Este artigo analisou o impacto das variações no preço do mi-

lho e da soja sobre o preço da carne de frango em Pernambu-
co, a partir da utilização do método de Vetores Autorregressivos
(VAR) durante o período compreendido entre 2005 e 2014. Os
resultados apontaram para uma relação entre as séries de preços
o que intuitivamente era esperado. Ou seja, como o milho e a soja
são os principais insumos na composição da ração de engorda de
frangos e tendo em vista que estes insumos são importados de
outras regiões do país, choques exógenos nos preços destes pro-
dutos afetam o preço da carne de frango em Pernambuco.
A análise da Função de Resposta ao Impulso apontou que no
geral choques exógenos afetam a dinâmica dos preços da carne
de frango e dos insumos milho e soja no mercado pernambuca-
no. Em geral o efeito dos choques se dissipa após quatro meses.
Estes resultados são intuitivamente esperados dada a logística
adotada pelos produtores que necessitam ter um estoque médio
para um período mais longo que em outras regiões tendo em vis-
ta a distância para os estados produtores de milho e soja. Tam-
bém ocorre que contratos de venda precisam ser mantidos e há

uma defasagem no tempo de resposta para o replanejamento da
produção em virtude das mudanças no mercado do produto e dos
insumos. Isto é, os ajustes na produção em virtude das condições
de mercado se dão no ciclo seguinte de engorda.
Uma possível saída para diminuir estes impactos seria os
produtores realizarem contratos no mercado futuro e estabili-
zarem os preços destes insumos facilitando o controle de custos
e planejando melhor as margens de lucro frente ao aumento da
concorrência da produção local.
A análise da decomposição da variância sugere que o maior
percentual da variação no preço da carne de frango é explicado
por ela mesma e em patamares bem mais inferiores ocorre com
o preço do milho e da soja. Estes resultados são intuitivos haja
vista que a carne de frango produzida em Pernambuco é comer-
cializada na sua maioria dentro do estado. Contudo, apesar do
crescimento da avicultura pernambucana nos últimos anos esta
atividade ainda representa uma parcela pequena no mercado na-
cional e por isso tem um menor peso na variação dos preços dos
insumos no mercado nacional.
Os resultados obtidos no estudo poderão ser úteis na adoção
de medidas que visem estimular a competitividade da atividade
avícola em Pernambuco. A influência na formação dos preços do
milho e soja sob a formação no preço da carne de frango é explica-
da, em principio, pela importância desses insumos na produção.
Alterações no preço da carne de frango no mercado pernambucano
possuem um impacto mais moderado sobre o preço dos insumos
produtivos, explica-se pelo fato de que o mercado avícola em Per-
nambuco representar uma pequena parcela da demanda por esses
insumos, que são inputs em diversas outras cadeias de produção.
Com custos maiores, influenciados pela incapacidade de
autossuficiência na produção dos insumos, a avicultura em Per-
nambuco, que está em fase de desenvolvimento, comparado aos
grandes centros produtores e exportadores, pode enfrentar pro-
blemas à medida que o mercado de carne de frango local apre-
senta níveis de concorrência mais acirrados com a entrada recen-
te de grandes firmas integradoras no estado.

REFERÊNCIAS
ABPA - ASSOCIAÇÃO BRASILEIRA DE PROTEÍNA ANIMAL;

Relatório Anual 2015. São Paulo – SP. Disponível em: http://
abpa-br.com.br/setores/avicultura/publicacoes/relatorios-anuais.
Acesso em 20/12/2015.
ASSOCIAÇÃO AVÍCOLA DE PERNAMBUCO - AVIPE; disponibi-
lização de dados próprios por meio da secretaria executi-
va, 2015.
BINI, B. A; ELY, R. A.; CANEVER, M. D; Cointegração e transmissão
de preços ao longo das cadeias agrícolas do brasil: do petróleo ao fran-
go. Anais. 52º congresso Sober, Goiana, 2014, p 1-14.
BUARQUE, Sergio. Cadeia produtiva da agricultura; cenários
econômicos e estudos setoriais. SEBRAE 2008.
CAVALHEIRO. Everton et al. Causalidade de Granger: Um estudo
dos índices IBOVESPA e MERVAL. XVI Seminário Interinstitucio-
nal de Ensino Pesquisa e extensão. 2011. Disponível em: < http://
www.unicruz.edu.br/seminario/>. Acesso em: 10 de Setembro de
2013.
CARVALHO, D. F.; SANTANA, A. C.; RIBEIRO, M. R.; CARVALHO,
A. C.: Análises dos testes de cointegração e de correção de
erro dos preços do café e do cacau no mercado internacio-
nal de futuros e opções. Novos Cadernos NAEA, Belém, v. 10, n.
1, p. 45-70, jun. 2007. Disponível em: <http://www.periodicos.ufpa.
br/index.php/ncn/article/view/71/144>. Acesso em: 23 nov. 2015.
COBB VANSTRESS BRASIL; Suplemento de Crescimento e Nutrição
para Frangos de Corte. Guapiaçu-SP-Brasil, 21 de março de 2009.
disponível em: http://www.fcav.unesp.br/Home/departamentos/
zootecnia/NILVAKAZUESAKOMURA/suplemento_cobb_500.pdf.
Acesso em 05 de fevereiro de 2015.
FARIAS, H.P. Função Resposta a Impulso e Decomposição
da Variância do Erro de Previsão Aplicados às Principais
Bolsas de Valores. Dissertação de mestrado apresentada à UFLA,
Lavras, 2008.

ELLIOT, G. ROTHENBERG, T. J. STOCK, J. H. Efficient test for
an autoregressive unit root. Econometrica, v. 64, p. 813-836,
jul. 1996.
EVANGELISTA, F. Raimundo; NOGUEIRA A. Filho; OLIVEIRA
,Alfredo a. Porto. A avicultura industrial de corte no nordes-
te: aspectos Econômicos e organizacionais. In congresso da
sociedade brasileira de economia, administração e sociologia rural.
Anais.... ACRE; 2008.
GARCIA, L. A. F. Economias de escala na produção de fran-
gos de corte no Brasil. Tese (Doutorado em Economia Aplicada)
– Universidade de São Paulo, São Paulo, 2004.
CHATFIELD, C.: The Analysis of Time Series. 6th ed., Chapman
& Hall, 2004
GREENE, W. H. Econometric analysis. 5. ed. New Jersey: Pren-
tice Hall, 2002.
GUJARATI, D. N.; PORTER, D. C.: Econometria básica. 5. ed.
Porto Alegre: AMGH, 2011. 924 p.
HAMILTON, J.D.; SUSMEL, R.: Autoregressive conditional
heteroskedasticity and changes in regime. Journal of Econo-
metrics, 64, 307-333 (1998).
IBGE – PPM – Pesquisa da Pecuária Municipal 2004 – Efe-
tivo de rebanhos,segundo as Mesorregiões, Microrregiões
e Municípios. Disponível em:<ftp://ftp.ibge.gov.br>. Acesso em:
20 de novembro de 2015.
MARTINELLI, O.; SOUZA, J. M. de. Relatório setorial prelimi-
nar – setor: carne de aves. Rio de Janeiro: FINEP, 2005.
MTE (Ministério do Trabalho e Emprego). Relação Anual de Infor-
mações Sociais (RAIS). Disponível em http://www.mte.gov.br/rais/
default.asp. Acesso em 20 de novembro.2007.
PINDYCK, R. S.; RUBINFELD, D.L. Econometric models and
econometric Forecasts.4 ed. Nova York: McGraw-Hill, 2004. 524 p.
PROFETA, G.A.; LIMA. J.E.; Coordenação e transmissão de preços:
O caso da cadeia do frango de corte no Brasil. Anais 48° Congresso
Sober, Belo Horizonte, 2012.

RODRIGUES W. O. Pradella; GARCIA Rodrigo Garófallo; NÄÄS I.
de Alencar; ROSA, C. Obregão da; EDUARDO, Carlos.evolução da
avicultura de corte no brasil. Enciclopédia biosfera, Centro Cien-
tífico Conhecer - Goiânia, v.10, n.18; p. 2011684 4. 2014.
SOUZA, J. da S. et al. Aspectos socioeconômicos. In: GENÚ, P. J. de
C.; PINTO, A. C. de Q. (Ed.). A cultura da mangueira. Brasília:
EMBRAPA Informação Tecnológica, 2002. p. 21-29.
UNIÃO BRASILEIRA DE AVICULTURA. História da avicultura
no Brasil. [2015] Disponível em: <http://www.abef.com.br/uba-
bef/exibenoticiaubabef.php?notcodigo=2675>. Acesso em: 15 nov.
2015.
VALENTE, M. L. C.; BRAGA, M. J. Causalidade e co-integração
no mercado de café entre a BM&F e a NYBOT. Revista de
Economia e Administração – IBMEC, v. 5, n. 3, p. 369-383,
2006.
VARIAN, HAL R., 1947 – Microeconomia: uma abordagem
moderna. Rio de Janeiro: Elsevier, 2012.
VASCONCELOS, Marco Antônio Sandoval de; GARCIA, Manuel E.
Fundamentos de economia. 2. ed. São Paulo: Saraiva, 2004.
VIEIRA, A. C. P.; CAPACLE, V. H.; BELIK, W. Estrutura e or-
ganização das cadeias produtivas das carnes de frango e
bovina no Brasil: reflexões sob a ótica das instituições. VII
Congresso Latino Americano de Sociologia Rural. Quito- Peru, 20-
24 de novembro, 2006.
VOILA, M. e TRICHES, D. A cadeia de carne de frango: uma
análise dos mercados brasileiro e mundial de 2002 a 2010.
UCS – Universidade de Caxias do Sul. Instituto de Pesquisas Econô-
micas e Sociais - 2012. Disponível em: <https://www.ucs.br/site/
midia/arqruivos/TD_44_JAN_2013_1.pdf>. Acesso em: novembro
de 15.
WOOLDRIDGE, J. M. Introdução à econometria: uma abor-
dagem moderna.São Paulo: Pioneira Thomson Leaning, 2006.
684 p.

C apítulo 4
EFICIÊNCIA TÉCNICA AGROPECUÁRIA NO
ESTADO DA BAHIA E SEUS FATORES CONDI-
CIONANTES NO CURTO E LONGO PRAZO
Diogo Brito Sobreira19

Soraia Araújo Madeira20
Carlos Otávio de Freitas21
João Eustáquio de Lima22
RESUMO
O trabalho analisa os condicionantes da eficiência técnica agrope-

cuária no Estado da Bahia, sob a ótica do fluxo de despesas e esto-
que de capital, isto é, análises de curto e longo prazo, respectiva-
mente, utilizando DEA e regressões quantílicas. O uso inadequado
dos insumos e a escala incorreta de produção foram os principais
problemas nos modelos de curto e longo prazo, respectivamente.
Conclui-se que financiamento, práticas agrícolas e irrigação ex-
plicam a eficiência técnica. Isso reforça a necessidade de políticas
voltadas à ampliação do crédito rural e assistência técnica.
Palavras-chave: Bahia, Agropecuária, Eficiência, DEA, Re-
gressão Quantílica.
19
Doutorando em Economia Aplicada pela Universidade Federal de Viçosa.
Mestre em Economia Rural pela Universidade Federal do Ceará. Bacharel
em Ciências Econômicas pela Universidade Regional do Cariri.
20
Doutoranda em Economia Aplicada pela Universidade Federal de Viçosa.
Mestre em Economia Rural pela Universidade Federal do Ceará. Bacharel
em Ciências Econômicas pela Universidade Regional do Cariri.
21
Doutorando e mestre em Economia Aplicada pela Universidade Federal
de Viçosa. Bacharel em Gestão do Agronegócio pela Universidade Federal
de Viçosa.
22
Doutor em Economia Rural pela Michigan State University. Professor Titu-
lar do Departamento de Economia Rural da Universidade Federal de Viçosa.

1 INTRODUÇÃO
O setor agropecuário desempenha relevante papel para o de-

senvolvimento da economia brasileira, visto que promove, além
do fornecimento de alimentos, a geração de emprego e renda. No
entanto, em face de uma perspectiva negativa do crescimento da
economia brasileira, especialmente para os anos de 2015 (-3,6%)
e 2016 (-1,9%), a produção agropecuária do país está prevista
para um crescimento de apenas 1,7%23. Segundo a Confederação
da Agricultura e Pecuária do Brasil (CNA, 2016), esse resultado
permite uma ampliação da participação do Produto Interno Bruto
(PIB) do agronegócio (que inclui, além da produção agropecuária,
os insumos, indústria e distribuição) no PIB do Brasil de 21,4%,
em 2014, para aproximadamente 23%, em 2015. O baixo cresci-
mento do PIB do agronegócio se deve, em parte, ao desempenho
negativo do setor agroindustrial e de serviços, em função da perda
de confiança dos empresários e consumidores em relação à eco-
nomia, refletindo sobre o consumo e investimento (CNA, 2016).
Pode-se afirmar que o Estado da Bahia tem contribuído sig-
nificativamente para esse desempenho no setor agropecuário.
Além da vasta extensão territorial, esse Estado é caracterizado
pela ampla diversidade de biomas, ecossistemas e condições cli-
máticas. Nesse sentido, de acordo com Bahia (2016), essa com-
binação de fatores permite que o Estado baiano obtenha uma
matriz produtiva agropecuária diversificada. Considerando a
produção agropecuária de 2015, a referida unidade da federação
é considerada o principal produtor nacional em algumas cul-
turas, como a mamona, cerca de 85%, e o cacau, cerca de 60%.
Além disto, com uma produção de 4,5 toneladas, a fruticultura
baiana ganha cada vez mais destaque, sendo o maior produtor
de banana, mamão, coco e maracujá, em que o Vale do São Fran-
cisco representa o principal centro frutífero do país, com ênfase
na produção de manga e uva. A Bahia ainda destaca-se como se-
23
Segundo o último relatório do Banco Central do Brasil para projeções do
PIB. Ver Brasil (2016).

gundo maior produtor de algodão, com 1,1 milhão de toneladas e,
quarto maior produtor de café, com 2,4 milhões de sacas ao ano.
No Nordeste, o Estado foi responsável por 51,4% da produção
de soja e por 38,4% da produção de milho (BAHIA, 2016). Já
na pecuária, ressalta-se a importância da produção de caprinos e
de ovinos, sendo o primeiro e segundo maior produtor nacional,
respectivamente. Portanto, o setor agropecuário baiano repre-
senta um importante segmento para geração de emprego e renda
no meio rural.
Entretanto, Lima e Almeida (2014) destacam que a ativida-
de agropecuária baiana perde participação relativa em relação ao
PIB estadual, passando de 17%, em 1985, para 9%, em 2009. Se-
gundo os autores, essa queda se deve em função do aparecimento
e crescimento de outras atividades no Estado, bem como pelo
aumento de pragas e doenças nas lavouras dos principais produ-
tos agrícolas (cacau e algodão). No entanto, o setor agropecuário
baiano tem acompanhado os outros estados em relação à moder-
nização agrícola. Além disso, o governo estadual tem contribuído
para recuperação da lavoura, por meio da distribuição de mudas
de cacau clonal e seminal (BAHIA, 2016). Dessa forma, Costa
et al. (2013) destacam que, conhecer os fatores que promovam
ambientes favoráveis para o desenvolvimento do setor agrope-
cuário tem sido objeto de pesquisa nas ciências sociais e entre os
gestores, com ênfase para formulação de políticas públicas que
permitam a ampliação de investimentos no setor.
Dentre os temas amplamente abordados na literatura sobre
o setor agropecuário, aqueles voltados para avaliação da eficiên-
cia técnica (ET) ganham destaque, visto que a competitividade
do setor agropecuário pode ser ampliada ao se identificar suas
principais fontes de ineficiência, além de contribuir para formu-
lação de políticas públicas que melhorem a equidade e eficiência
dos processos produtivos, conforme destaca Almeida (2012) e
Gomes et al. (2010). Conforme Gomes (2008), a eficiência téc-
nica de unidades tomadoras de decisão pode ser obtida por meio
de métodos paramétricos (fronteira estocástica de produção)
e não paramétricos (DEA), entretanto, a utilização de modelos

DEA tem apresentado expressiva inserção entre os modelos de
avaliação de eficiência, sendo o setor agrícola uma das áreas de
maior aplicação. Nesse sentido, destacam-se diversos estudos
que analisam a eficiência agropecuária e seus determinantes no
caso brasileiro ou regiões específicas, tais como Helfand e Levine
(2004), Campos, Coelho e Gomes (2012), Barbosa et al. (2013) e
Alvim e Stulp (2006).
No entanto, Gomes et al (2010) ao analisar a eficiência agro-
pecuária para as microrregiões do Estado de Minas Gerais chama
atenção ao fato que as medidas de eficiência agropecuária são afe-
tadas diretamente pela escolha dos insumos e produtos conside-
rados no modelo, o que para os autores pode gerar dúvidas em
relação ao modelo ideal para calcular tais medidas. Posto isto, os
autores sugerem que a avaliação das medidas de eficiência técnica
no setor agropecuário seja realizada sob dois aspectos em relação
aos insumos: o primeiro considerando o fluxo de despesas, e o se-
gundo modelo considerando o estoque de capitais investidos. Com
isso, seria possível identificar se as eficiências do ciclo produtivo e
do capital investido na agropecuária seguem a mesma lógica. Es-
ses modelos podem ser interpretados como análises de eficiência
técnica no curto e longo prazo, respectivamente. Nesse sentido,
entender como os fatores condicionantes influenciam a eficiência
sob escolhas distintas de insumos consiste na principal contribui-
ção deste trabalho em relação aos demais estudos realizados. Por-
tanto, em virtude da importância que o setor agropecuário exerce
para o desenvolvimento do Estado da Bahia, o presente trabalho
tem como objetivo geral analisar os fatores condicionantes da efi-
ciência técnica agropecuária dos municípios baianos em relação
aos modelos de fluxo de despesas e estoque da capital investido
ao longo da distribuição dos escores de eficiência.
Além desta introdução, o presente trabalho está estruturado
em mais quatro seções. A próxima seção compreende o referen-
cial teórico associado a modelos de eficiência técnica, bem como
uma breve revisão de literatura acerca de estudos realizados
sobre eficiência agropecuária e seus determinantes para o caso
brasileiro; na terceira seção, apresentam-se os aspectos metodo-

lógicos a serem empregados, fonte e tratamento dos dados; em
seguida serão discutidos os resultados; e, por fim, serão expostas
as considerações finais.
2 REFERENCIAL TEÓRICO
2.1 Medidas de eficiência
A análise de eficiência técnica de determinadas unidades

produtivas possui como arcabouço teórico a teoria neoclássica
de produção que enfatiza a relação entre os fatores, insumos e
produtos, em que essa pode ser descrita por meio de uma fun-
ção de produção, Q = ƒ(Xi), a uma dada tecnologia disponível,
em que Q representa a quantidade produzida e Xi é o vetor de
insumos utilizados na produção. A firma, nesse sentido, deve agir
racionalmente com o objetivo de maximizar a produção e lucro
ou minimizar os custos. Dessa forma, interagir adequadamente
os fatores de produção para se alcançar o nível ótimo de produ-
ção deve ser considerado o principal desafio das firmas (FER-
REIRA, 2002); (ALMEIDA, 2012).
As primeiras definições de eficiência técnicas podem ser ob-
servadas em Debreu (2014), Shephard (1953) e Koopmans (1951).
Os dois primeiros definiram eficiência técnica tomando como
base na distância do produtor em relação à fronteira de produ-
ção. Já o último, define um produtor tecnicamente eficiente ao
conseguir ampliar a da produção de um determinado bem sem
que exista a redução da produção de outro bem ou quando não
se consegue reduzir a quantidade de insumo sem que mantenha
o mesmo nível de produção. Nesse sentido, Farrell (1957) propõe
um modelo em que uma unidade produtiva é comparada a outras
dentro de um conjunto homogêneo e representativo de unidades,
em que a eficiência pode ser fracionada em dois componentes: a
eficiência técnica, que reflete a capacidade do produtor atingir a
produção máxima dada uma quantidade de insumos; e, eficiên-
cia alocativa, que reflete a utilização ótima dos insumos dado os
preços relativos (GOMES; BAPTISTA, 2004). Com base em Far-

rell (1957), a mensuração da eficiência técnica pode ser realizada
por meio de duas abordagens. A primeira abordagem baseada na
redução de insumos, mantendo-se constante o nível de produção
(orientação insumo), e a segunda baseada na ampliação da pro-
dução, mantendo-se constante o nível de insumos utilizados no
processo produtivo (orientação produto).
Formalmente, Kumbhakar e Lovell (2000) definem os dois
tipos de orientação para mensurar a eficiência técnica dos pro-
dutores. Considere um determinado vetor Y de produtos e X um
vetor de insumos, L(Y) é uma isoquanta e P(X) é a fronteira de
produção. Dessa forma, a orientação insumo é obtida quando:
um vetor X de insumos ∈ L(Y) será tecnicamente eficiente se so-
mente se X’ ∉ L(Y) quando X’ ≤ X. Já a orientação produto é
dada quando: um vetor Y ∈ P(X) será tecnicamente eficiente se
somente se Y’ ∉ P(X) quando Y’ ≥ Y.
Graficamente, pode-se verificar como a medida de eficiência
técnica é alcançada por meio da orientação insumo e orientação
produto, respectivamente, por meio de Figura 1, com base em
medidas radiais24.
Figura 1: Medidas de eficiência com orientação insumo (a) e

orientação produto (b)
Fonte: Gomes e Baptista (2004)
24
Conforme Gomes e Baptista (2004), medidas radiais são aquelas medidas
ao longo de um raio partindo da origem até o ponto de produção observado.

A orientação insumo pode ser observada por meio da Figu-
ra 1a, em que a curva SS’ é a isoquanta unitária de uma unida-
de tomadora de decisão totalmente eficiente, sob a suposição
de retornos constantes à escala. Pontos sobre a curva SS’ indi-
ca a combinação tecnicamente eficiente dos insumos X1 e X2 na
produção do bem Y. Pontos acima dessa curva são considera-
dos como tecnicamente ineficientes. Se uma unidade produtora
adota o nível de insumos representado pelo nível de insumos no
ponto P para produzir uma unidade de produto, sua medida de
ineficiência técnica é dada pelo segmento QP e representa o vo-
lume de insumos em que o produtor deve reduzir para se tornar
eficiente, isto é, mantendo o mesmo nível de produção. Se outra
unidade produtora utiliza o nível de insumos dado pelo ponto
Q ou qualquer outro ponto sobre a isoquanta SS’, implica dizer
que está empregando os insumos de forma eficiente e, portando,
sua eficiência é igual a 1. Matematicamente, a eficiência técnica
do produtor quando se utiliza o nível de insumos no ponto P é
obtida por: ET = 0Q/0P. Se o nível de preços relativos é conhe-
cido, representado pela isocusto AA’, então a eficiência alocativa
quando se utiliza o nível de insumos em P é dada por EA=0R/0Q,
isto é, a distância RQ representa a redução de custos de produção
que poderia ocorrer. No entanto, a unidade tomadora de decisão
só seria alocativamente eficiente se atuasse no nível Q’, ponto em
que a isocusto AA’ tangencia a isoquanta SS’, isso implica dizer
que quando se opera em Q, o produtor é tecnicamente eficiente,
porém ineficiente em termos alocativos. Além disso, o produto en-
tre as duas medidas de eficiência, técnica e alocativa, representa a
eficiência econômica total, dada por: EE=0Q/0P x 0R/0Q = 0R/0P.
A Figura 1b apresenta a formulação gráfica da orientação
produto, em que a curva ZZ’ é a fronteira de produção unitária
de uma unidade tomadora de decisão totalmente eficiente na
produção de dois bens Y1 e Y2 com um único insumo X1. Pontos
abaixo dessa curva representam níveis de produção ineficiente
para o nível de produção representada pelo ponto A, então sua
medida de ineficiência é dada pelo segmento AB, isto é, a quan-
tidade de produto que deve ser ampliado para que essa unidade

tomadora de decisão se torne eficiente. Matematicamente, essa
medida é obtida pela razão ET = 0A/0B. Se os preços relativos
dos bens Y1 e Y2 são conhecidos é possível obter uma isoreceita
DD’ e, então a distância BC corresponde à ineficiência alocativa
quando se opera ao nível de produção A. Matematicamente, a
ineficiência alocativa desse nível de produção é dada por EA =
0B/0C. Já eficiência econômica total é obtida pelo produto entre
a medida de eficiência técnica e alocativa, isto é, EE= 0A/0/B x
0B/0C = 0A/0C.
2.2 Eficiência técnica agropecuária no Brasil: uma

breve revisão da literatura recente
A análise da eficiência técnica tem sido objeto de pesquisa

em diversos estudos em economia, no entanto, entender os con-
dicionantes da eficiência tem recebido atenção especial por parte
dos pesquisadores, uma vez que compreender os mecanismos as
quais esses fatores influenciam a eficiência técnica pode servir de
base para tomada de decisões por parte dos empresários, bem
como para formulação de políticas públicas. Nesse sentido, Go-
mes (2008) ressalta que o setor agropecuário tem sido uma das
áreas de maior aplicação, com destaque para a produção agrícola
e produção agropecuária.
Análises da eficiência técnica da produção agropecuária no
Brasil, Regiões e Estados diferem principalmente em pelo menos
três aspectos. Pode-se destacar que a primeira diferença está re-
lacionada quanto à escolha da unidade tomadora de decisão, ou
seja, as unidades de observação. Os trabalhos de Helfand e Levine
(2004) e Freitas, Teixeira e Braga (2014) utilizam fazendas repre-
sentativas por classe de tamanho de estabelecimento e condição do
produtor em relação à terra, em cada município, como unidades
de análise. Já os estudos de Gomes et al. (2010), Almeida (2012)
e Barbosa et al. (2013) utilizam as microrregiões para representar
as unidades produtivas, enquanto que Campos, Coelho e Gomes
(2012) e Lima e Almeida (2014) utilizam como unidade básica os
municípios. A segunda diferença básica é referente à escolha do

procedimento metodológico de mensuração da eficiência técnica,
entre métodos paramétricos25 e não paramétricos26.
A terceira principal diferença remete à escolha dos insumos
produtivos, e à unidade de medida dessas variáveis. Em geral,
os trabalhos sobre eficiência técnica
0 na produção agropecuária
utilizam insumos associados aos fatores terra, capital e trabalho,
como em Almeida (2012), Barbosa et al. (2013), no entanto, o
nível de desagregação dessas variáveis, bem como a inserção de
outros insumos além desses três fatores define a diferença entre
os trabalhos. Além disso, a unidade de medida também não é um
consenso na literatura de eficiência técnica da produção agrope-
cuária. Os estudos de Freitas, Teixeira e Braga (2014), Barbosa et
al. (2013), Almeida (2012) e Campos, Coelho e Gomes (2012) uti-
lizam insumos com unidades de medidas distintas para explicar
o valor da produção. Já em Gomes et al. (2010), além de utilizar
insumos e produtos com mesma unidade de medida, isto é, ex-
presso em valores, os buscaram verificar a eficiência na produção
agropecuária das microrregiões do Estado de Minas Gerais sob
os dois aspectos. O primeiro representando um modelo de efici-
ência técnica em relação ao fluxo de despesas, e o segundo asso-
ciado ao estoque de capital investido. Para os autores, essa desa-
gregação nos modelos de eficiência pode contribuir para tomada
de decisões dos estabelecimentos agropecuários no curto e longo
prazo respectivamente, isto é, permite identificar se a eficiência
do ciclo produtivo segue a mesma lógica da eficiência do capital
investido na agropecuária. Além disso, Gomes et al. (2010) afir-
mam que, no modelo de fluxo o objetivo consiste em analisar a
eficiência dos municípios em relação às despesas realizadas no
processo produtivo, possibilitando uma reflexão de eficiência
técnica, em termos de fluxo de caixa, o que permite ampliar o
25
Utilizam fronteira estocástica os estudos de Freitas, Teixeira e Braga
(2014), Almeida (2012), Constantin, Martin e Rivera (2009) e Sauer e Men-
doza-Escalante (2007).
26
Utilizam DEA os trabalhos de Barbosa et al. (2013), Campos, Coelho e
Gomes (2012), Gomes et al. (2010), Mariano e Pinheiro (2009) e Campos e
Ferreira Neto (2008).

valor agregado da produção com menos despesas operacionais
proporcionalmente. Já no modelo de estoque, o objetivo é anali-
sar a eficiência do capital investido na geração de maiores níveis
de produção, ou seja, deseja-se aumentar o valor da produção
com menos recursos investidos.
3 METODOLOGIA
O presente trabalho consiste em analisar os condicionantes

da eficiência técnica sob duas óticas de escolha de insumos: a
primeira, representando um modelo de fluxo referente às des-
pesas operacionais, e o segundo modelo referente ao estoque de
capital investido dos municípios baianos no setor agropecuário.
Nesse sentido, inicialmente os escores de eficiência foram obti-
dos por meio do método não paramétrico de Data Envelopment
Analysis-DEA, inicialmente proposto por Farrell (1957) e, pos-
teriormente aprimorado por Charnes, Cooper e Rhodes (1978) e
Banker, Charnes e Cooper (1984). Tradicionalmente, as medidas
de eficiência podem ser obtidas por meio de métodos paramétri-
cos (Fronteira Estocástica) e métodos não paramétricos (DEA).
No entanto, segundo Cooper, Seiford e Tone (2007), uma das
principais vantagens do DEA em relação ao modelo paramétrico
é a possibilidade de utilização de múltiplos produtos e insumos
sem a necessidade de especificação de uma forma funcional para
função de produção, ao contrário do método paramétrico. Além
disso, Almeida (2012) argumenta que a simplicidade operacional
e computacional desse procedimento na mensuração da eficiên-
cia técnica, alocativa e econômica, quando os preços relativos das
variáveis estão disponíveis tem estimulado o uso desse procedi-
mento. No entanto, um contraponto ao modelo não paramétri-
co, segundo Battese e Coelli (1992), deve-se ao fato que o desvio
em relação à fronteira de produção eficiente é atribuído somente
à ineficiência, ou seja, desconsidera a interferência de choques
aleatórios e erros de medição das variáveis utilizadas. Ademais,
os modelos DEA apresentam maior sensibilidade à presença
de outliers, conforme destaca Almeida (2012). Em um segundo

momento, optou-se pelo modelo de regressão quantílica, inicial-
mente proposto por Koenker e Bassett (1978) para identificar os
fatores condicionantes da eficiência técnica. Segundo Nascimen-
to et al. (2012), grande parte dos estudos que buscam analisar os
fatores determinantes dos níveis de eficiência utilizam modelos
para média condicional por meio de modelos de probabilidade.
No entanto, tais estudos desconsideram que os determinantes
podem afetar de forma distinta as unidades produtivas com dife-
rentes níveis de eficiência, isto é, espera-se que os condicionan-
tes influenciem os produtores de maior e menor eficiência em
proporções diferenciadas, e nesse sentido, a regressão quantílica
permite contornar essa limitação.
3.1 Obtenção dos escores de eficiência técnica por DEA
A utilização do método DEA permite construir fronteiras de

eficiência por meio de determinados insumos e produtos obser-
vados para diferentes unidades tomadoras de decisão ou Deci-
sion Making Units (DMUs), as quais são representadas pelos
municípios baianos neste trabalho. Dessa forma, torna-se pos-
sível classificá-los como eficientes e ineficientes através de medi-
das radiais e de distância em relação à fronteira. Segundo Gomes
e Baptista (2004), as medidas de eficiência podem ser obtidas
sob duas formas de orientação radial: a orientação insumo27, que
se fundamenta na redução dos insumos, mantendo-se constante
o nível de produção; e, a orientação produto, que considera o au-
mento do nível de produção dado níveis constantes de insumos.
Nesta pesquisa, adotou-se a orientação insumo.
27
Com base em Ferreira (2002), os produtores eficientes compartilham de
menores custos de produção. Posto isso, minimizá-los pode ser uma alter-
nativa mais adequada dentro dos sistemas produtivos. Dessa forma, visto
que o volume de produção não garante eficiência e considerando os produ-
tores na condição de tomadores de preços, os insumos se tornam variáveis
chaves para maximização dos lucros das unidades produtivas. Nesse senti-
do, optou-se pela orientação insumo.

Inicialmente, os modelos DEA desenvolvido por Charnes,
Cooper e Rhodes (1978) assumem a pressuposição de retornos
constantes de escala ou Constant Returns to Scale (CRS). Segun-
do os autores, o modelo com orientação insumo e pressuposição
de retornos constantes pode ser representado pelo seguinte pro-
blema de programação linear (PPL):
(1)
em que θ é o escore de eficiência da i-ésima DMU, Yi e Xi cor-
respondem, respectivamente, ao produto e insumo da i-ésima
DMU. X é uma matriz de insumos (n x k) e Y é a matriz de produ-
tos (n x m); λ é o vetor de constantes que multiplica a matriz de
insumos e produtos.
Posteriormente, em 1984, surge o modelo formulado por
Banker, Charnes e Cooper (1984). Esse modelo considera a pos-
sibilidade de ocorrência de retornos variáveis à escala ou Variab-
le Returns to scale (VRS), que podem assumir rendimentos cres-
centes ou decrescentes na fronteira eficiente. O modelo DEA com
retornos variáveis está associado à restrição de convexidade
e pode ser algebricamente obtido incorporando-se a restrição
N1' λ = 1 ao PPL em (1), em que N1 é um vetor (N x 1) de algaris-
mos unitários e N é o número de DMUs.
Pode-se destacar que o PPL apresentado em (1) é resolvido n
vezes, e, como solução têm-se os valores de θ e λ. Para uma DMU
ineficiente, os valores de λ fornecem os “pares” de DMU’s eficien-
tes que servirão de referência (ou benchmarks). Além disto, para
que uma DMU seja eficiente no modelo de retornos constantes,
ela deverá ser necessariamente eficiente em retornos variáveis.
Segundo Gomes e Baptista (2004), antes da mensuração
dos escores de eficiência, se faz necessário verificar a presença
de outliers, visto que estas podem influenciar todas as medidas
de eficiência. Nesse sentido, a fim de se obter resultados mais
robustos, realizou-se o teste Jackstrap proposto por Sousa, Cri-
bari-Neto e Stosic (2005) para identificação de outliers em mo-
delos de eficiência. Segundo os autores, esse método consiste na
combinação do teste Jacknife com o método Bootstrap. A prin-

cípio, utiliza-se um subconjunto de L DMUs escolhido de forma
aleatória, denominado bolhas, que, segundo os autores, deve ter
tamanho entre 10% e 20% do tamanho da população. No pre-
sente trabalho, considerou-se uma bolha com tamanho igual a
15% do número total de municípios. Já para o uso da técnica de
Bootstrap foi considerado um total de 2.000 replicações. O pro-
cedimento consiste em obter uma medida de leverage que possa
mensurar a influência produzida sobre o resultado de eficiência
obtido por DEA de todas as outras DMUs quando a DMU obser-
vada é removida do conjunto de dados. A medida de leverage
deve ser utilizada para detectar outliers e erros nos conjunto de
dados. Assim, aquelas que tenham maiores influências devem
ser descartadas da análise para não comprometer as estimações
do DEA. O ponto de corte recomendado deve considerar a fun-
ção Heaviside, que considera os dados obtidos dos leverages e a
quantidade de DMUs K, conforme as seguintes especificações:
(2)
~
em que ~P (l ) é a probabilidade da k-ésima DMU com leverage
k
médio l k não ser outlier e o ponto
~
de corte é dado pelo produto
entre o leverage médio global l e o logaritmo de K28.
Após a exclusão dos municípios considerados outliers, apli-
cou-se na primeira etapa da pesquisa, dois modelos de DEA, sendo
o primeiro referente ao modelo de fluxo financeiro e o segundo
referente ao modelo de estoque de capitais investidos. Segundo
Ferreira (2002) e Gomes et al (2010), o primeiro modelo pode
contribuir para uma análise da eficiência técnica no curto prazo
e o modelo de estoque contribui para identificação da eficiência
técnica dos municípios baianos em um contexto de longo prazo.
No modelo de fluxo foram considerados como inputs: Salários
pagos em dinheiro ou produtos para família e empregados reali-
zados pelo estabelecimento (Despesas com Mão de Obra), expres-
sos em mil reais; Despesas com adubos, sementes e mudas, sal e
28
Para maiores informações sobre o calculo do leverage médio, ver Sousa,
Cribari-Neto e Stosic (2005).

rações, agrotóxicos e medicamentos (Despesas com Insumos da
Produção), expressos em mil reais; e, Despesas com transportes,
combustíveis e energia elétrica, expressos em mil reais. Já no mo-
delo de estoque os inputs considerados foram: Valor dos veículos,
tratores, máquinas e implementos, expressos em mil reais; Valor
total da terra, que inclui o valor das terras (inclusive matas natu-
rais) e das lavouras permanentes, expressos em mil reais; Valor
dos prédios, instalações e outras benfeitorias, expressos em mil
reais; e, Valor dos animais (reprodução, criação e outros fins), ex-
pressos em mil reais. O valor total da produção agropecuária,
expressos em mil reais, que corresponde à soma entre o valor da
produção animal e vegetal foi o output de ambos os modelos.
3.2 Condicionantes da eficiência técnica em dis-

tintos níveis de eficiência
Após a estimação dos escores de eficiência técnica pelo pro-

cedimento de DEA, a segunda etapa do trabalho consiste em
identificar os principais fatores que influenciam a eficiência téc-
nica agropecuária dos municípios baianos nos modelos de fluxo e
estoque. Para tal, foi utilizado o método de regressão quantílica.
Este método é viável, uma vez que, dependendo da dispersão e
da heterogeneidade de uma amostra, o poder de explicação das
variáveis independentes sobre a variável dependente pode ser
distinto em diferentes pontos da distribuição da amostra ana-
lisada. Assim, a utilização de técnicas de estimações baseadas
nos mínimos quadrados ordinários (MQO) pode não ser a for-
ma mais adequada para se obter os coeficientes de um modelo
(QUINTELA, 2011). Outra vantagem em relação MQO, conside-
rada por Koenker e Bassett (1978) consiste em eliminar a inter-
ferência dos outliers, visto que o modelo de regressão quantíli-
ca não considera apenas o impacto médio de um regressor na
distribuição condicional de um regressando, o que permite obter
estimadores mais eficientes.
Portanto, tendo em vista que as variáveis explicativas podem
não influenciar igualmente os diferentes níveis de eficiência téc-

nica, tanto no modelo de fluxo de despesas quanto no modelo
de estoque de capital investido, foram estimadas regressões para
os quantis: 0,25, que representa os produtores menos eficientes;
0,50, que representa os produtores com eficiência mediana e
0,75, que representa os produtores mais eficientes, em que o θth
quantil condicional do nível de eficiência pode ser expresso pela
equação (3):
Qθ (yi|Xi) = X'ibθ (3)
em que yi são os escores de eficiência técnica no modelo de fluxo
de despesas operacionais (ou de estoque de capital investido) do
i-ésimo município, sob a pressuposição de retornos variáveis à
escala29 e X'i é o vetor transposto das seguintes variáveis expli-
cativas do i-ésimo município: Área total dos estabelecimentos
agropecuários, em hectares; valor do financiamento, expressos
em mil reais; estabelecimentos com proprietários em relação
ao uso da terra; estabelecimentos que não realizam nenhuma
prática agrícola; estabelecimentos que realizam algum tipo de
irrigação. Além destas, foram incorporadas ao modelo dummies
regionais para verificar a existência de diferenças regionais de
eficiência técnica (Dummy para as Mesorregiões Extremo Oeste
Baiano, Vale São Francisco da Bahia, Centro Norte Baiano; Nor-
deste baiano; Centro Sul Baiano e para Sul Baiano).
Segundo Buchinsky (1995), a interpretação dos parâmetros
estimados é realizada por meio do efeito marginal de cada vari-
ável explicativa em cada quantil condicional específico, expres-
so pela derivada parcial de cada regressor da equação 3, que é
dado por:
(4)
Para verificar se os coeficientes estimados em cada quantil

são de fato estatisticamente diferentes entre si, foi aplicado o
29
Optou-se pelo uso dos escores de eficiência técnica com retornos variáveis
como variável a ser explicada, assim como no estudo de Campos, Coelho e
Gomes (2012).

teste de Wald. Conforme Hao e Naiman (2007), sendo estimadas
a variância e a covariância, o teste permite verificar a hipótese
nula de igualdade entre pares de coeficientes em cada quan-
til b i( p ) e b i(q ) , correspondendo à mesma variância, mas entre
quantis p e q usando a estatística de Wald:
(5)
Pode-se destacar que a estatística de Wald segue distribui-

ção x2 com q graus de liberdade, considerando número q de hi-
póteses testadas conjuntamente ou com distribuição F, em que
F = W|q, com q graus de liberdade no numerador e d graus de
liberdade no denominador (CAMERON; TRIVEDI, 2009).
3.3 Fonte e tratamento dos dados
Os dados para os municípios baianos foram coletados a partir

do Censo Agropecuário de 2006 disponíveis pelo Instituto Bra-
sileiro de Geografia e Estatística. Todos os insumos e o produto
agropecuário, e as variáveis explicativas do modelo de regressão
quantílica, com exceção das dummies regionais foram relativiza-
das pelo total de estabelecimentos do município observado. Esse
procedimento foi necessário uma vez que não foi possível utilizar
os dados ao nível de propriedade rural. A divisão das variáveis
pelo total de estabelecimentos, permite uma melhor comparação
dos resultados entre as DMUs. A variável valor da produção do
município i, por exemplo, denota o valor médio da produção de
todos os estabelecimentos daquele município. Assim, cada mu-
nicípio é representado por um estabelecimento representativo.
Dessa forma, todos os procedimentos metodológicos foram rea-
lizados tomando como base as variáveis relativizadas. Salienta-se
ainda, que dos 417 municípios baianos, 71 foram excluídos das
análises em função de informações ausentes ou indisponíveis.
Desta forma, a amostra inicial considerada na presente pesquisa
para o modelo de fluxo de despesas operacionais quanto para o
modelo de estoque capital investido foi de 346 municípios.

Antes de iniciar a análise e discussões dos resultados é im-

portante ressaltar que foram excluídos os municípios conside-
rados outliers com base no limite de corte obtido pela função de
Heaviside por meio do método de Jackstrap. Esse procedimento
indicou a presença de 43 municípios que influenciavam as medi-
das de eficiência no modelo de fluxo e 38 municípios que influen-
ciavam as medidas de eficiência no modelo de estoque30. Dessa
forma, essas unidades tomadoras de decisão também não fize-
ram parte das análises posteriores, isto é, os escores de eficiência
foram estimados para 303 municípios no modelo de fluxo e para
308 municípios no modelo de estoque.
Posto isto, as medidas de eficiência técnica calculadas foram
analisadas considerando retornos constantes e variáveis à escala
(pura eficiência técnica) e eficiência de escala. Segundo Gomes
et al (2010), o objetivo dessas análises está associado a ideia de
eliminar uso excessivo de insumos independente se o retorno é
crescente, constante ou decrescente.
4.1 Eficiência técnica agropecuária dos municípios

baianos no modelo de fluxo
As estatísticas descritivas dos produtos e insumos emprega-

dos nos modelos de fluxo são apresentadas por meio da Tabela
1. Os dados apontam que os municípios baianos apresentaram,
em média, valor de produção do estabelecimento representati-
vo em torno de 15,5 mil reais em 2006. Além disso, as variáveis
Despesas com insumos da produção e Despesas com mão-de-
-obra destacam-se com variabilidades mais elevadas. De modo
complementar, essas estatísticas evidenciam a disparidade na
atividade agropecuária entre os municípios baianos, em virtude
30
É importante ressaltar que não necessariamente os municípios que in-
fluenciam as medidas de eficiência no modelo de fluxo sejam os mesmos
que influenciam o modelo de estoque.

da elevada heterogeneidade das variáveis consideradas para o es-
tabelecimento representativo.
Tabela 1: Estatísticas descritivas das variáveis utilizadas na

obtenção dos escores de ET, Modelo de Fluxo, municípios
baianos – 2006.
Máxi- Desvio
Mínimo Média
mo Padrão C.V.
Variáveis (R$ (R$
(R$ (R$ (%)
1.000) 1.000)
1.000) 1.000)
Valor total da produção 0,88 15,58 783,45 52,95 339,85
Despesas: mão de obra 0,11 4,27 618,38 35,90 840,74
Despesas: insumos da
0,07 14,34 3497,18 201,51 1.405,2
produção
Despesas: transportes,
0,13 2,73 331,92 20,51 751,28
combustíveis e energia
Fonte: Elaboração própria com base nos dados do Censo Agropecuário 2006.
Com relação às medidas de eficiência técnica (Tabela 2),

constatou-se que, no modelo de fluxo com retornos constan-
tes de escala, os municípios baianos podem reduzir, em média,
57% (ou 1 - 0,43) da utilização dos insumos nos estabelecimen-
tos agropecuários, mantendo-se constante o valor da produção,
caso operem de forma eficiente do ponto de vista técnico. No
entanto, é possível separar os ganhos de eficiência por meio da
redução dos desperdícios oriundos da escala incorreta de insu-
mos. Dessa forma, admitindo-se a pressuposição de retornos
variáveis à escala, em média, a redução desses fatores é menor,
cerca de 39% (ou 1 – 0,61). Segundo Gomes et al (2010), isso
se deve ao fato que, a maior parte da redução dos insumos pode
ser obtida caso os municípios operassem em escala correta de
produção, visto que a ineficiência de escala média foi em torno
de 28% (ou 1 – 0,72).
Ressalta-se que a maioria dos municípios baianos apre-
senta baixo nível de eficiência técnica sob a pressuposição de
retornos constantes à escala, visto que 71,61% possuem valor

de eficiência inferior a 0,50, enquanto que apenas 3,3% (10
municípios) podem ser considerados eficientes em CRS. Po-
rém, ao se incorporar uma restrição de convexidade, nota-se
que cai para 37,95% o percentual de municípios baianos com
eficiência técnica inferior a 0,50. Essa melhora na eficiência
no setor agropecuário ao se considerar retornos variáveis, ou
seja, pura eficiência técnica pode ser explicada pelas caracte-
rísticas do próprio setor, como ressaltado por Campos, Coelho
e Gomes (2012). Segundo os autores, a competição imperfeita
e restrições financeiras são características que levam as DMUs
a operarem fora da escala correta de produção, no entanto, o
modelo CRS requer escala ótima para as firmas. Além disso,
11,6% (35 municípios) mostraram-se totalmente eficientes, ou
seja, observou-se um acréscimo de 25 municípios em relação
ao modelo CRS. Estes municípios se encontram na fronteira de
retornos variáveis, porém não estão na fronteira de retornos
constantes, ou seja, 35 municípios operam sem nenhum tipo
de desperdícios nos insumos. Destes 35 municípios, 11 atuam
sem problemas de escala de produção ou uso excessivo de in-
sumos. Assim, os outros 268 municípios apresentam algum uso
inadequado de insumos e/ou problemas de escala incorreta de
produção (Tabela 2). Além disso, observa-se que a maioria dos
municípios possui eficiência técnica e de escala superior a 0,5,
no entanto, ao se considerar o percentual dos municípios mais
eficientes (ou seja, eficiência técnica e de escala maior ou igual
a 0,75), verifica-se que o principal problema é o uso inadequado
dos insumos.
No que tange à eficiência média de escala, pode-se inferir
que a agropecuária nos municípios em análise pode melhorar
sua produção (28%) caso passe a atuar utilizando os insumos
na escala correta. Dado os valores do coeficiente de variação,
observa-se que o setor agropecuário apresenta uma menor
heterogeneidade quanto à escala de produção do que em re-
lação ao uso indevido dos insumos para o modelo de fluxo
(Tabela 2).

Tabela 2: Frequências absolutas e relativas das DMUs, segundo
intervalos de ET em CRS E VRS e escala, Modelo de Fluxo,
municípios baianos – 2006.
Eficiência técnica Eficiência de
Medidas de escala
CRS VRS
eficiência
fi % fi % fi %
0,00 |-- 0,25 67 22,11 22 7,26 3 0,99
0,25 |-- 0,50 150 49,50 93 30,69 61 20,13
0,50 |-- 0,75 52 17,16 95 31,35 83 27,39
0,75 |-- 1,00 24 7,92 58 19,14 145 47,85
1,00 10 3,30 35 11,55 11 3,63
Total 303 100,00 303 100,00 303 100,00
Mínimo 0,11 0,14 0,15
Média 0,43 0,61 0,72
Máximo 1,00 1,00 1,00
Desvio Padrão 0,22 0,24 0,23
C.V. (%) 51,37 40,15 31,46
Por meio da Tabela 3, pode-se observar a participação rela-

tiva da agropecuária em intervalos de eficiência técnica desagre-
gada para cada uma das sete mesorregiões baianas no modelo de
fluxo em termos de pura eficiência técnica (VRS). Nota-se que
em todas as mesorregiões do Estado da Bahia, parcela majoritá-
ria dos municípios apresenta medida de pura eficiência técnica
superior a 0,5, exceto a mesorregião Centro Sul Baiano, sendo
que esta pode alcançar, em média, maior nível de redução dos
insumos utilizados (47%). O Nordeste Baiano apresentou melhor
desempenho em termos de pura eficiência técnica, visto que, os
municípios que a compõe podem reduzir a utilização de insu-
mos em 29% (ou, 1 – 0,71), em média. Além disto, destaca-se
que nesta mesorregião constatou-se menor heterogeneidade com

relação ao uso dos insumos, em virtude da menor dispersão dos
escores de eficiência em torno da média.

intervalos de ET em VRS e Mesorregiões, Modelo de Fluxo,
Cabe destacar que em todas as mesorregiões foi possível ve-

rificar municípios eficientes, que não possuem problemas de uso
excessivo de insumos, sendo o Extremo Oeste Baiano e Sul Baia-
no com maior proporção de municípios eficientes, 20% cada.
4.2 Eficiência técnica agropecuária dos municípios

baianos no modelo de estoque
As estatísticas descritivas dos produtos e insumos emprega-

dos nos modelos de estoque podem ser observadas na Tabela 4.
De modo geral, assim como no modelo de fluxo, verifica-se eleva-
da heterogeneidade entre os municípios baianos, com destaque
para as variáveis: Valor das máquinas e equipamentos e Valor
total da produção, em virtude da magnitude dos coeficientes de
variação. No entanto, a variabilidade dos insumos no modelo de
fluxo é superior em relação ao modelo de estoque.

Tabela 4: Estatísticas descritivas das variáveis utilizadas na
obtenção dos escores de ET, Modelo de Estoque, municípios
baianos – 2006.
Máxi- Desvio
Mínimo Média
mo Padrão C.V.
Variáveis (R$ (R$
(R$ (R$ (%)
1.000) 1.000)
1.000) 1.000)
Valor total da produção 1,07 14,93 783,45 48,34 323,77
Valor dos prédios e
0,78 11,53 616,72 37,22 322,81
edifícios
Valor das máquinas e
0,25 5,76 381,08 27,40 475,69
equipamentos
Valor dos animais 0,38 11,37 204,60 17,03 149,78
Valor total da terra 10,20 90,73 2277,72 172,67 190,31
Com base nos resultados encontrados, observa-se que,

no modelo de estoque com retornos constantes de escala, a
eficiência média para os municípios baianos foi de 0,39, de-
monstrando que estes podem reduzir, em média, 61% (ou, 1
– 0,39) do valor dos insumos referente ao estoque de capital
investido, mantidos constante valor da produção (Tabela 5).
Ressalta-se que 73,37% dos municípios baianos apresentaram
medida de eficiência da agropecuária inferior a 0,50, dada
à pressuposição de (CRS), e apenas 4,87% dos municípios,
que alcançaram a máxima eficiência técnica. No entanto, ao
se considerar retornos variáveis à escala (VRS), nota-se que
26,3% dos municípios apresentaram escores de eficiência téc-
nica da agropecuária menor do que 0,50. Ainda sob a ótica de
VRS, constatou-se um incremento de 41 municípios na fron-
teira eficiente e que não se encontram na fronteira de retornos
constantes (Tabela 5).

intervalos de ET em CRS e VRS e escala, Modelo de Estoque,
Eficiência técnica Eficiência de
Medidas de escala
CRS VRS
eficiência
fi % fi % fi %
0,00 |-- 0,25 101 32,79 15 4,87 23 7,47
0,25 |-- 0,50 125 40,58 66 21,43 101 32,79
0,50 |-- 0,75 50 16,23 89 28,90 86 27,92
0,75 |-- 1,00 17 5,52 82 26,62 83 26,95
1,00 15 4,87 56 18,18 15 4,87
Total 308 100,00 308 100,00 308 100,00
Mínimo 0,09 0,13 0,11
Média 0,39 0,68 0,59
Máximo 1,00 1,00 1,00
Desvio Padrão 0,24 0,25 0,25
C.V. (%) 59,69 37,34 42,17
Observa-se também que, dos 56 municípios que operam sem

desperdícios de insumo, apenas 15 operam sem problemas de es-
cala. Dada à pressuposição de retornos variáveis de escala, em
média, pode-se obter uma redução 32% (ou, 1 – 0,78) do empre-
go dos fatores de produção faz com que os municípios ineficien-
tes passem a fazer parte da fronteira de retornos variáveis. Quan-
to à eficiência média de escala, espera-se que a agropecuária nos
municípios baianos podem melhorar a produção em 41% (ou, 1
– 0,59) ao utilizar os insumos na escala correta. Dessa forma, ve-
rifica-se que o principal problema no modelo de estoque deve-se
a escala incorreta de produção (Tabela 5).
A participação relativa da agropecuária em intervalos de efi-
ciência técnica desagregada para as sete mesorregiões baianas

para o modelo de estoque, com base nas pressuposições de re-
tornos variáveis de escala, é apresentada na Tabela 6. O estado
da Bahia apresenta baixo nível de eficiência técnica da agrope-
cuária, sendo que os piores resultados foram evidenciados nas
mesorregiões do Extremo Oeste Baiano, Centro Norte Baiano e
Centro Sul Baiano. Observa-se que os municípios destas mesor-
regiões podem reduzir, em média, 51% (ou, 1 – 0,49), 28% (ou,
1 – 0,72) e 38% (ou, 1 – 0,62) respectivamente, do valor dos in-
sumos referente ao estoque de capital investido, dado o valor da
produção. Analisando-se a máxima eficiência, as mesorregiões,
Nordeste Baiano e Sul Baiano, se destacam pela maior quantida-
de de municípios (12 cada) com escore de eficiência técnica igual
à unidade.
Nesta pesquisa, verificou-se que as causas das ineficiên-
cias foram diferentes nos dois modelos. No modelo de fluxo,
o principal problema foi relacionado ao uso inadequado dos
insumos referente às despesas operacionais, enquanto que, no
modelo de estoque, a maior causa de ineficiência foi devido a
escala incorreta de produção. Ademais, o modelo de estoque
apresentou maior proporção de municípios eficientes e menor
problema de uso excessivo dos insumos, em relação ao modelo
de fluxo. Nesse sentido, é possível ampliar a eficiência de curto
prazo dos municípios baianos reduzindo adequadamente suas
despesas operacionais. Dessa forma, o aumento da oferta e da
qualidade da assistência técnica voltada tanto para o proces-
so produtivo quanto a gestão financeira nos estabelecimentos
agropecuários pode exercer papel fundamental para alcançar
esses objetivos.

intervalos de ET em VRS e Mesorregiões, Modelo de Estoque,
4.3 Condicionantes da eficiência técnica agrope-

cuária nos municípios baianos
Para identificar os fatores determinantes da eficiência técni-

ca agropecuária dos municípios baianos sob a pressuposição de
retornos variáveis de escala em modelos de fluxo de despesas e
estoque de capitais investido, empregou-se o modelo de regres-
são quantílica, aos quais os resultados podem ser observados
por meio da Tabela 7. Com base no Teste de Wald, F(19,291) =
1130,09 para o modelo de fluxo e F(19,296)=10,42 para o modelo
de estoque, verifica-se que a hipótese nula de igualdade de coefi-
cientes entre diferentes quantis estimados foi rejeitada ao nível
de 1% de significância. Esse resultado confirma a hipótese de que
existem diferenças significativas nos condicionantes do nível de
eficiência técnica agropecuária de acordo com o quantil de efici-
ência analisado, indicando que esta análise se mostra mais ade-
quada quando comparada às estimações baseadas na média da
amostra.

Analisando primeiramente o modelo de fluxo, o resultado
encontrado para a variável Área indicou que maiores estabele-
cimentos estão associados a menores níveis de eficiência, sendo
este impacto significativo apenas para o grupo de produtores me-
nos eficientes (quantil 0,25). Este resultado é corroborado pelo
trabalho de Helfand e Levine (2004), que também encontraram
relação inversa entre área e eficiência ao analisar os determinan-
tes da eficiência técnica das propriedades rurais da região Cen-
tro-Oeste do Brasil. Quanto ao financiamento total realizado pe-
los municípios, apesar deste ter sido significativo, tanto para os
municípios menos eficientes quanto para os mais eficientes, ob-
serva-se um maior impacto para aqueles pertencentes ao quantil
0,25, demonstrando a importância da ampliação de políticas de
crédito rural, principalmente para aqueles produtores relaciona-
dos a níveis baixos de eficiência técnica.
O fato da propriedade representativa não utilizar prática
agrícola foi significativo apenas para o quantil 0,25, indicando
que, para aqueles municípios, o uso de alguma prática agrícola,
como o sistema plantio direto, rotação de culturas ou outros, po-
deria elevar à eficiência técnica do estabelecimento, entre os me-
nos eficientes. Este resultado ressalta a importância de serviços
de assistência técnica nas propriedades rurais, uma vez que pode
contribuir para maior adoção de práticas agrícolas conforme a
região e atividade praticada nos estabelecimentos. Já o fato do
estabelecimento utilizar tecnologia de irrigação foi significativo
apenas para o menor quantil de eficiência, porém, apresentou si-
nal contrário do esperado. Tal resultado pode ser explicado pelo
fato de que o modelo de fluxo representa uma situação de curto
prazo, sendo assim, o custo das despesas associadas a esta tecno-
logia pode estar sendo maior do que o retorno dela no processo
produtivo destas propriedades menos eficientes.
Quanto à condição do produtor em relação à terra (se este era
proprietário), verifica-se que esta variável foi significativa apenas
para as propriedades pertencentes ao quantil 0,5, demonstrando
que os produtores na condição de proprietário obtiveram maio-
res níveis de eficiência que os demais, o que implica que tais pro-

dutores alocam suas despesas operacionais de forma mais ade-
quada. Em relação às variáveis indicativas de cada mesorregião
analisada, apenas a referente ao Centro Sul Baiano, e pertencen-
te ao quantil 0,5, foi estatisticamente significativa (quantil 0,5),
indicando que as propriedades representativas dos municípios
desta região foram menos eficientes que os demais.
Passando a análise para o modelo de estoque, verifica-se nova-
mente uma relação negativa entre área total e eficiência, sendo esta
significativa para os quantis 0,25 e 0,50. Além disso, observa-se
uma redução do coeficiente estimado quando se considera grupos
mais eficientes de produtores, indicando uma menor dependência
destes em relação ao fator terra. Em relação ao financiamento total
realizado, este apresentou impacto significativo e positivo apenas
para o quantil dos municípios mais eficientes, indicando que estas
propriedades fazem melhor uso do financiamento quando este é
voltado para investimento em estoque de capital (Tabela 7).
Nesse sentido, os resultados encontrados para importância
dos financiamentos, tanto no modelo de fluxo quanto para o mo-
delo de estoque, mostraram-se contrários aos achados de Lima
e Almeida (2014), em que, esses autores, ao analisarem a im-
portância do crédito rural para eficiência agropecuária nos mu-
nicípios baianos, apenas por meio de uma análise à média con-
dicional, encontraram que o crédito não se mostrou relevante.
Portanto, o resultado apresentado no presente estudo corrobo-
ra a ideia que uma análise realizada ao longo da distribuição de
eficiência pode fornecer efeitos não captados quando se analisa
apenas para média condicional. Entretanto, Barbosa et al (2013)
mostram que o acesso ao crédito exerce influência negativa sobre
a eficiência técnica agropecuária das microrregiões brasileiras ao
longo da distribuição condicional. Esses autores justificam que
o acesso ao crédito, por proporcionar maior quantidade de re-
cursos disponíveis, pode influenciar a aplicação irracional destes
recursos, como por exemplo, na aquisição excessiva de insumos.
No entanto, essa justificativa pode ser contestada, uma vez que a
proporção de estabelecimentos que tiveram acesso ao crédito não
capta o efeito dosagem, ou seja, o volume de crédito concedido.

Tabela 7: Fatores condicionantes da ET em VRS, segundo os
modelos de fluxo e estoque, municípios baianos – 2006.
Modelo de Fluxo Modelo de Estoques
Fatores
Q25 Q50 Q75 Q25 Q50 Q75
Área (há) -0,001** -0,001 -0,001 -0,003*** -0,002*** -0,001
(0,001) (0,001) (0,001) (0,001) (0,001) (0,001)
Financiamento 0,007*** 0,004 0,005*** 0,012 0,011 0,011**
(0,002) (0,003) (0,002) (0,008) (0,008) (0,005)
Proprietários -0,126 0,419* 0,153 0,334* 0,362 0,059
(0,156) (0,242) (0,227) (0,182) (0,236) (0,219)
Nenhuma Prática
-0,193*** 0,025 -0,040 -0,241 -0,239* -0,179**
agrícola
(0,075) (0,103) (0,117) (0,150) (0,126) (0,081)
Irrigação -0,329** 0,121 -0,264 0,492** 0,370* 0,227***
(0,177) (0,253) (0,412) (0,215) (0,209) (0,077)
Extremo Oeste
0,154 0,007 0,035 0,089 0,299* 0,339***
Baiano
(0,141) (0,120) (0,138) (0,130) (0,167) (0,075)
Vale São Francis-
0,078 0,016 0,024 0,183** 0,314** 0,390***
co da Bahia
(0,157) (0,152) (0,192) (0,077) (0,134) (0,083)
Centro Norte
0,122 -0,081 0,047 0,235** 0,330*** 0,399***
Baiano
(0,136) (0,106) (0,120) (0,092) (0,099) (0,074)
Nordeste Baiano 0,196 -0,044 0,157 -0,036 0,135 0,318***
(0,132) (0,112) (0,106) (0,106) (0,204) (0,096)
Centro Sul
0,052 -0,189* -0,039 0,086 0,196 0,240***
Baiano
(0,130) (0,100) (0,113) (0,063) (0,123) (0,082)
Sul Baiano 0,203 0,070 0,133 0,267*** 0,463*** 0,455***
(0,141) (0,116) (0,149) (0,086) (0,129) (0,076)
Constante 0,586*** 0,512** 0,474* 0,301** 0,303 0,606***
(0,169) (0,237) (0,241) (0,150) (0,221) (0,213)
Notas: * significativo a 10%; ** significativo a 5%; *** significativo a 1%. Valores
entre parênteses indicam os erros padrão estimados por bootstrap.
Assim como no modelo de fluxo, o fato da propriedade não

utilizar práticas agrícolas esteve associado a menores níveis de

eficiência independente do quantil analisado, como esperado.
Dessa forma, essa influência pode ser corroborada pelos achados
de Campos, Coelho e Gomes (2012) para eficiência agropecuária
em Minas Gerais. Para esses autores, as características do relevo
da região em questão podem ser um fator determinante para que
as práticas agropecuárias influenciem a eficiência técnica.
Já o resultado estimado para a variável representativa do
uso de tecnologia de irrigação, ao contrário do encontrado no
modelo de fluxo, apresentou impacto positivo na eficiência técni-
ca para todos os quantis analisados. Este resultado era esperado
pelo fato de que o modelo de estoque representa uma situação
de longo prazo, sendo assim, os retornos associados ao uso des-
ta tecnologia são livres dos elevados custos iniciais da adoção (o
que seria captado no modelo de fluxo), implicando em maior efi-
ciência para o estabelecimento rural.
Quanto ao resultado da variável Proprietários, verifica-se
que esta foi estatisticamente significativa apenas para o quantil
0,25, demonstrando uma maior eficiência para os produtores
que estavam na condição de proprietários do estabelecimento
rural. Considerando ainda o modelo de estoque, observa-se que
as variáveis representativas das mesorregiões analisadas apre-
sentaram resultados semelhantes entre os quantis analisados,
indicando que os estabelecimentos representativos localizados
nas regiões do Vale São Francisco da Bahia, Centro Norte Baia-
no e Sul Baiano foram mais eficientes que as demais, sendo esta
última com maiores níveis de eficiência técnica. Além disso,
verifica-se que o maior impacto dessas variáveis foi observado
no quantil representativo dos estabelecimentos mais eficientes
(quantil 0,75).
O presente trabalho propôs analisar os fatores condicio-

nantes da eficiência técnica agropecuária dos municípios baia-
nos, com base em modelos de fluxo de despesas e de estoque
capital investido, o que representa, respectivamente, análises

de curto e longo prazo. De modo geral, pode-se concluir que os
municípios baianos apresentam baixo nível de eficiência técni-
ca, sendo que, quando se considera o uso de insumos referente
às despesas operacionais (curto prazo), a ineficiência técnica é
mais acentuada. Além disto, as fontes de ineficiências são dis-
tintas nos dois modelos. Enquanto que no curto prazo a princi-
pal causa de ineficiência refere-se ao uso inadequado dos insu-
mos, no logo prazo a maior fonte de ineficiência está na escala
incorreta de produção.
Quanto aos condicionantes da eficiência técnica dos muni-
cípios baianos, conclui-se que independente do modelo analisa-
do, maior área dos estabelecimentos está associada a menores
níveis de eficiência o que incita o debate acerca do impacto das
políticas de redistribuição de terras no desempenho produtivo
das propriedades rurais. Para os municípios baianos não houve
evidências de que maior quantidade de terra estaria associada a
uso mais adequado dos insumos.
Pode-se concluir também que o financiamento, a adoção de
práticas agrícolas e o uso de tecnologias de irrigação foram im-
portantes para se explicar a eficiência técnica em seus diferentes
níveis, tanto na análise de curto prazo, quanto na de longo prazo.
Esses resultados ressaltam a importância da ampliação de po-
líticas de créditos para eficiência do setor agropecuário baiano,
bem como garantir maior acesso a serviços de assistência técnica
de modo a orientar os produtores a adotarem práticas agrícolas
adequadas. No que tange ao uso de tecnologia de irrigação, ve-
rificou-se que, no curto prazo, esse fator afeta negativamente a
eficiência técnica agropecuária dos municípios baianos. No en-
tanto, no longo prazo, essa tecnologia proporciona ganhos con-
sideráveis de eficiência, sendo esses efeitos mais representativos
entre os produtores menos eficientes. Isso implica que, mesmo
que inicialmente essa tecnologia seja uma fonte de ineficiência
técnica, recomenda-se sua adoção e permanência ao longo pro-
cesso produtivo.

REFERÊNCIAS
ALMEIDA, P. A. N. Fronteira de produção e eficiência téc-

nica da agropecuária brasileira em 2006. 2012. 205f. Tese
(Doutorado) - Universidade de São Paulo, Escola Supreiror de Agri-
cultura “Luiz de Queiroz”. Piracicaba, 2012.
ALVIM, A. M.; STULP, V. J. Eficiência técnica da produção agrope-
cuária nas regiões do Rio Grande do Sul de 1975 a 2006. Planeja-
mento e políticas públicas, v. 1, n. 43, p. 11–43, 2006.
BAHIA (estado). Secretaria da Agricultura, Pecuária, Irrigação Pes-
ca e Aquicultura (SEAGRI). Panorama da produção agrope-
cuária da Bahia. Bahia, 2016, p. 11-14. Disponível em: < http://
www.seagri.ba.gov.br/content/arquivos-gerais-spa>. Acesso em:
22 de fevereiro de 2016.
BANKER, R. D.; CHARNES, A.; COOPER, W. W. Some models for
estimating technical and scale inefficiencies en data envelopment
analysis. Management Science, v. 30, n. 9, p. 1078–1092, 1984.
BARBOSA, W. F.; SOUSA, E. P.; AMORIM, A. L.; CORONEL, D.
A. . Eficiência técnica da agropecuária nas microrregiões brasileiras
e seus determinantes. Ciência Rural, v. 43, n. 11, p. 2115–2121,
2013.
BATTESE, G. E.; COELLI, T. J. Frontier production functions, tech-
nical efficiency and panel data: With application to paddy farmers in
India. Journal of Productivity Analysis, v. 3, n. 1-2, p. 153–169,
1992.
BRASIL. Banco Central do Brasil. Projeção para o PIB em 2016
e revisão de 2015. Brasília-DF, 2016, p. 20-22. Disponível em:
<http://www.bcb.gov.br/htms/relinf/port/2015/12/ri201512b1p.
pdf>. Acesso em: 22 de Fevereiro de 2016.
BUCHINSKY, M. Estimating the asymptotic covariance matrix
for quantile regression models a Monte Carlo study. Journal of
Econometrics, v. 68, n. 2, p. 303–338, 1995.
CAMERON, A. C.; TRIVEDI, P. K. Microeconometrics using
Stata. Texas: Stata Press Publication, v. 2, 2009.

CAMPOS, A. C. C.; FERREIRA NETO, J. A. Eficiência técnica dos pro-
dutores de leite em assentados rurais da reforma agrária. Revista de
Economia e Agronegócio, v. 6, n. 3, p. 395–414, 2008.
CAMPOS, S. A. C.; COELHO, A. B.; GOMES, A. P. Influência das
condições ambientais e ação antrópica sobre a eficiência produtiva
agropecuária em minas gerais. Revista de Economia e Sociolo-
gia Rural, v. 50, n. 3, p. 563–576, 2012.
CHARNES, A.; COOPER, W. W.; RHODES, E. Measuring the effi-
ciency of decision making units. European Journal of Opera-
tional Research, v. 2, n. 6, p. 429–444, 1978.
CNA. Confederação da Agricultura e Pecuária do Brasil. Balan-
ço 2015 perspectivas 2016. Brasília-DF, 2016, Disponível em:
<http://www.canaldoprodutor.com.br/comunicacao/sites-espe-
ciais/balanco-2015-e-perspectivas-2016>. Acesso em: 22 de Feve-
reiro de 2016.
CONSTANTIN, P. D.; MARTIN, D. L.; RIVERA, E. B. B. R. .
Cobb-Douglas , translog stochastic production function and data
envelopment analysis in total factor productivity in brazilian agri-
business. Journal of Operation and Suplply Chain Manage-
ment, v. 2, n. 2, p. 20–34, 2009.
COOPER, W. W.; SEIFORD, L. M.; TONE, K. Data Envelopment
Analysis: A comprehensive text with models, applications,
References ans DEA-Solver Software. New York: Springer,
2007, p. 1 – 490.
COSTA, C. C. D. M. et al. Determinantes do desenvolvimento do se-
tor agropecuário nos municípios. Revista de Administração, v.
48, n. 2, p. 295–309, 2013.
DEBREU, G. The coefficient of resource utilization. Econometri-
ca, v. 19, n. 3, p. 273–292, 2014.
FARRELL, M. J. The Measurement of Productive Efficiency. Jour-
nal of the Royal Statistical Society. Series A (General), v.
120, n. 3, p. 253–290, 1957.
FERREIRA, A. H. Eficiência de sistemas de produção de lei-
te: Uma aplicação da análise envoltória de dados na toma-

da de decisão. 2002. 139f. Dissertação (Mestrado) - Universidade
Federal de Viçosa, Departamento de Economia Rural. Viçosa, 2002.
FREITAS, C. O.; TEIXEIRA, E. C.; BRAGA, M. J. Tamanho do esta-
belecimento e eficiência técnica na agropecuária brasileira. In: En-
contro Nacional de Economia, 42º, 2014. Natal. Anais...Niterói-RJ:
Anpec, 2014.
GOMES, A. P. et al. Medidas de eficiência na agropecuária de Minas
Gerais : fluxo de despesas ou estoque de capital? In: Congresso da
Sociedade Brasileira de Economia, Administração e Sociologia Rural,
48º, 2010, Campo Grande-MS. Anais...Brasília-DF: Sober, 2010.
GOMES, A. P.; BAPTISTA, A. J. M. DOS S. Análise envoltória de
dados: Conceitos e modelos básicos. In: SANTOS, M. L. DOS; VIEI-
RA, W. C. (Ed.). . Métodos quantitativos em economia. Viço-
sa-MG: UFV, 2004. p. 121-160.
GOMES, E. G. Uso de modelos dea em agricultura: revisão da litera-
tura. Engevista, v. 10, n. 1, p. p. 27–51, 2008.
HAO, L.; NAIMAN, D. Q. Quantile Regression. California: SAGE
Publications, 2007, p. 1-126.
HELFAND, S. M.; LEVINE, E. S. Farm size and the determinants
of productive efficiency in the brazilian Center-West. Agricultural
Economics, v. 31, n. 2-3, p. 241–249, 2004.
KOENKER, R.; BASSETT, G. Regression quantiles. Econometri-
ca, v. 46, n. 1, p. 33–50, 1978.
KOOPMANS, T. C. Activity analysis of production and alloca-
tion. New York: John Wiley & Sons, 1951.
KUMBHAKAR, S. C.; LOVELL, C. A. K. Stochastic frontier analy-
sis. Cambridge: University of Cambridge Press, v. 69, 2000.
LIMA, J. B. O.; ALMEIDA, P. A. N. Crédito rural e eficiência técnia
da agropecuária dos municípios do estado da Bahia. Revista De-
senbahia, v. 11, n. 20, p. 59–90, 2014.
MARIANO, J. L.; PINHEIRO, G. M. T. L. Eficiência técnica da agri-
cultura familiar no projeto de irrigação do baixo Açu (RN). Revista
Econômica do Nordeste, v. 40, n. 2, p. 283–296, 2009.

NASCIMENTO, A. C. C.; LIMA, J. E.; BRAGA, M. J.; NASCIMEN-
TO, M.; GOMES, A. P. . Eficiência técnica da atividade leiteira em
Minas Gerais: Uma aplicação de regressão quantílica. Revista Bra-
sileira de Zootecnia, v. 41, n. 3, p. 783–789, 2012.
QUINTELA, M. C. DE A. Gasto público social dos estados bra-
sileiros: um estudo sob a ótica da eficiência técnica. 2011.
128f. Tese (Doutorado) - Universidade Federal de Viçosa, Departa-
mento de Economia Rural. Viçosa, 2011.
SAUER, J.; MENDOZA-ESCALANTE, A. Poor but allocatively ef-
ficient--Evidence from the Eastern Amazon. Agricultural Eco-
nomics, v. 37, n. 1, p. 113–126, 2007.
SHEPHARD, R. W. Cost and production functions. Princeton:
Princeton University, 1953.
SOUSA, M. D. C. S. DE; CRIBARI-NETO, F.; STOSIC, B. D. Explain-
ing DEA technical efficiency scores in an outlier corrected environ-
ment : The case of public services in brazilian municipalities. Bra-
zilian Review of Econometrics, v. 25, n. 2, p. 287–313, 2005.

C apítulo 5
ESTUDO DO NIVEL TECNOLÓGICO DA
APICULTURA FAMILIAR DO MUNICIPIO
DE CARIUS CEARÁ NO PERIODO DE 2015
Vitória Bezerra de Souza31

Yure Révelles da Silva32
Otácio Pereira Gomes33
Maria Rosa Dionísio Almeida34
RESUMO
A realização da pesquisa foi feita através um estudo de caso no

município de Carius-CE, com a finalidade de analisar o nível
tecnológico dos produtores e traçar um perfil socioeconômicos
dos mesmos por já algum tempo praticarem a atividade. A fonte
de dados foi obtida de forma primaria, através de questionários
aplicados com os produtores, no período de julho a setembro de
2015, obtendo assim uma amostra de 25 apicultores. A análise
consistiu na utilização da estatística descritiva com a finalidade
de traçar um perfil socioeconômico dos produtores e foi realizada
a análise fatorial para indicar o nível tecnológico dos apicultores.
Maioria dos apicultores são casados, analfabetos, tem renda fa-
31
Graduanda em Ciências Econômicas pela Universidade Regional do Cariri
(URCA), campus Iguatu, Ceará. E-mail: [email protected]
32
Graduando em Ciências Econômicas pela Universidade Regional do Cari-
ri (URCA), campus Iguatu, Ceará. E-mail: [email protected]
33
Mestre em Economia Rural (MAER) – Universidade Federal do Ceará
(UFC). Profº. Temporário da Universidade Regional do Cariri (URCA),
campus Iguatu, Ceará. Prof°. da Faculdade Vale do Salgado (FVS), Icó, Cea-
rá.. E-mail: [email protected]
34
Graduada em Ciências Econômicas pela Universidade Regional do Cariri
(URCA), campus Crato, Ceará. Mestranda em Economia Rural (MAER)-
-Universidade Federal do Ceará (UFC). E-mail:mariarosa_dionisio@hot-
mail.com

miliar menor que um salário mínimo e desempenha outras ati-
vidades no setor agropecuário e em outros setores. O resultado
da análise do desempenho dos apicultores se mostraram que a
análise fatorial o KMO revelou valor de 0,654, portanto, indican-
do que os dados são consistentes, ou seja, é um índice razoável e
aceito para análise fatorial. Com relação a classificação dos pro-
dutores através do índice tecnológico, foi observado que 64% dos
apicultores tem índice tecnológico relativamente baixo e apenas
8% apresentaram altos níveis tecnológicos. Concluindo-se para
que os apicultores tenham um aumento do índice tecnológico
devem recorrer a pratica da apicultura migratória e serem assis-
tidos tecnicamente.
Palavras-chave: Apicultura familiar, perfil socioeconômico,
tecnologia, Cariús.
1 INTRODUÇÃO
A apicultura é uma atividade agropecuária alternativa de fá-

cil manutenção, baixos custos iniciais (ao compará-la com outras
atividades agropecuárias, em que o custo de instalação e aqui-
sição de animais é consideravelmente mais alto), com possibili-
dade de deslocamento (apicultura migratória), capaz de ser as-
sociada a qualquer outra atividade rural além de desempenhar
papel fundamental na polinização das flores de várias espécies
vegetais que necessitam de insetos para sua reprodução e sobre-
vivência no meio ambiente, dos quais a abelha é o animal com
maior atuação (VIEIRA, 1986).
A apicultura tem se mostrado presente na agricultura fami-
liar como complemento de renda para os pequenos produtores
com finalidade de pluralizar as atividades do campo, basean-
do-se não apenas aos pequenos produtores como cultivadores
dessa atividade, mas profissionais de diversas outras áreas como
funcionários públicos, aposentados e comerciantes.
Desta forma, pode-se destacar que a apicultura é capaz de
gerar renda, com ocupação saudável do meio ambiente garan-

tindo preservação da natureza, ou seja, viabiliza uma perfeita
interação entre aspectos políticos, econômico, social e ambien-
tal. Por usar fatores totalmente renováveis de produção, a api-
cultura é uma atividade que proporciona desenvolvimento sus-
tentável.
Segundo estudos realizados pelo Serviço Brasileiro de
Apoio às Micro e Pequenas Empresas – SEBRAE, durante os
anos de 2004 a 2006, através de projetos regionalizados chama-
dos assim de APIS, a apicultura é uma atividade produtiva que
já tem sua viabilidade comprovada no Brasil. Embora se tenha
conhecimento que o brasileiro não possui o hábito de consumir
diariamente em suas refeições o mel, mesmo assim o SEBRAE
junto com outras instituições parceiras como a EMATERCE e
AGROPOLOS aponta a viabilidade da atividade apícola cearense
destinada ao mercado externo.
No Brasil, a atividade vem sendo desenvolvida desde o sé-
culo XIX, no entanto, apenas em meados do século XX, ela toma
um novo rumo com a introdução da abelha africana pelo cientis-
ta Dr. Warwick Kerr (WIESE, 1985) e na década de 1970, com o
desenvolvimento de novas técnicas de manejo e introdução de
novos equipamentos, a atividade passa a ter maior capacidade
produtiva, marcando assim o início de um trabalho voltado prio-
ritariamente para o mercado (FREITAS, 2003).
A Apicultura tem adquirido, nos últimos anos, papel im-
portante no agronegócio do Estado do Ceará. Segundo Matos
(2005), a localização geográfica do Estado do Ceará é bastante
favorável ao bom desempenho desta cultura. O Estado reúne
excelentes condições para a exploração apícola, não só pelo
clima propício, mas também pela riqueza nectarífera de sua
vegetação.
O Nordeste Brasileiro, inserido no semiárido oferece favorá-
veis condições de clima e vegetação para a produção de mel
de abelha. As floradas no referido bioma, além de serem apre-
ciadas pelas abelhas permitem a produção de um tipo de mel
preferido pelos consumidores devido o seu sabor e aroma di-
ferenciados (SILVA, 2011).

Conforme os dados do Instituto Brasileiro de Geografia e
Estatística (IBGE, 2009), a mesorregião mais representativa na
produção de mel do Ceará é o Vale do Jaguaribe, correspondendo
a 50% da produção total de mel do estado, sendo composta por
vinte e um municípios. Desses municípios, os mais importantes
são os do Baixo Jaguaribe, composto pelos municípios de Limo-
eiro do Norte que responde sozinho por 12% da produção estadu-
al, seguido de Tabuleiro do Norte (9%), Morada Nova (8%), Alto
Santo (7%) e Russas com uma participação de (1,7%).
Apesar das condições de mercado favoráveis à produtividade
cearense de mel, cerca de 15 kg/colméia/ano, é relativamente pe-
quena se comparada a países como China (50 a 100 kg/colméia/
ano), Argentina (30 a 35 kg/colméia/ano), EUA (32 kg/colméia/
ano) e México (31 kg/colméia/ano) (SEBRAE, 2006).
Esta baixa produtividade cearense se explica pela pouca uti-
lização de recursos tecnológicos durante os processos produtivos
e é mais grave entre os agricultores familiares fazendo com que
estes tenham dificuldades para competir com as grandes empre-
sas apícolas.
A decisão de se iniciar qualquer atividade é tomada com base
na análise dos fatores que justificam tal iniciativa. Para tanto,
são levantados e estudados os pontos positivos e os negativos da
nova atividade. Essa avaliação dá ao empreendedor a visão do
potencial da atividade, possibilitando obter-se uma ideia do capi-
tal necessário para iniciar tal empreendimento e permite que se
avalie a possibilidade de sucesso da nova atividade.
Foi pensando nessas ideias que esse trabalho, busca enten-
der a atividade apícola de forma a proporcionar melhores alter-
nativas para desempenho desse empreendimento para o muni-
cípio de Cariús-Ce, de forma que venha se identificar os fatores
de desenvolvimento dessa atividade no município, tendo como
finalidade maior, analisar as questões relacionadas às condições
socioeconômicas e tecnológicas desses produtores, mediante po-
líticas públicas voltadas para o desenvolvimento sustentável des-
sa atividade no município de Cariús, Ceará.

2 METODOLOGIA
2.1 Área de Estudo
O município de Cariús está localizado na Mesorregião Cen-

tro Sul Cearense, mais precisamente na microrregião de Várzea
Alegre, possuindo, no ano de 2000 uma população de 18.418 ha-
bitantes incluída zona rural e urbana. Seus municípios limítrofes
são: Iguatu e Jucás ao Norte; Farias Brito e Várzea Alegre ao Sul;
Várzea Alegre, Cedro e Iguatu ao Leste e Jucás, Tarrafas e Farias
Brito ao oeste, possuindo um clima de caráter tropical quente
semiárido e uma temperatura média variando de 26° a 28°C. O
município possui uma área de 1.061,73 Km² e possui uma popu-
lação de maioria rural (IPECE, 2012).
O PIB per capita do município em 2012 foi igual R$ 3.818,97
e o seu IDH (Índice de Desenvolvimento Humano) igual a 0,597,
levando Cariús a ocupar a 141ª posição no ranking estadual.
(IPECE, 2012).
2.2 Fonte de dados e amostra
A pesquisa foi realizada por processo de amostragem não

probabilística por conveniência, levando em conta a popula-
ção de apicultores no município de Cariús no estado do Ceará
no período de 2015. Portanto, foram visitados no período de
Julho a Setembro de 2015 uma equipe de 25 apicultores onde
foi aplicado um questionário com todos eles. Nos métodos de
amostragem não probabilística, as amostras são obtidas de
forma não aleatórias, ou seja, a probabilidade de cada ele-
mento da população fazer parte da amostra não é igual e, por-
tanto, as amostras selecionadas não são igualmente prováveis
(FÁVERO, 2009).
O método por conveniência pode ser aplicado quando a par-
ticipação é voluntária ou os elementos da amostra são escolhidos
por uma questão de conveniência ou simplicidade.

2.3 Método de Análise
2.3.1 Estatística Descritiva
A técnica da análise descritiva foi empregada no estudo pro-

posto com o objetivo de caracterizar o perfil dos apicultores de
acordo com suas características sociais e econômicas. Utilizou-se
análise tabular, principalmente, as tabelas de distribuição de fre-
quências (absoluta e relativa) e as medidas de tendência central
referente às variáveis:
Dados pessoais, renda, escolaridade, experiência, gastos
com a utilização de mão-de-obra, participação social e assistên-
cia técnica.
2.4 Identificações dos fatores representativos do

desempenho tecnológico dos produtores fami-
liares de mel do município de Cariús, Ceará
Para caracterizar o grau de adoção de tecnologia pelos pro-

dutores familiares de mel do município de Cariús-Ce foi em-
pregada a análise fatorial. Esta técnica tem sido adotada como
instrumental de análise em vários estudos sobre a moderniza-
ção da agricultura, como em Tarsitano (1992), Cardoso (1992),
Hoffmann (1992), Cunha (1995), Meyer (1997), Espírito Santo
(1998), Souza; Justo e campos (2010), Gomes (2015).
Para aplicação da análise fatorial, foram selecionadas variá-
veis “indicadoras do nível tecnológico”. Neste sentido, a seleção
das variáveis adequadas ao fenômeno que se deseja estudar é de
extrema importância, pois uma vez a variável incluída na pesqui-
sa tem implicações definitivas nos resultados da análise.
Trata-se de uma técnica que admite representar a interde-
pendência entre as variáveis coletadas, de tal forma a se obter um
número menor de variáveis, denominadas fatores. Essa técnica
tem por objetivo fundamental explicar a variação de um conjunto
de variáveis a partir de múltiplos fatores ortogonais ou indepen-
dentes entre si (HOFFMANN, 1992).

Conforme Fávero et al. (2009), o método de análise fatorial
consiste na tentativa de se determinar as relações quantitativas
entre as variáveis, aferindo seus padrões de movimento, de modo
a associar, àquelas com um padrão semelhante, o efeito de um
fator causal subjacente e específico a estas variáveis.
A análise fatorial se baseia na suposta existência de um nú-
mero de fatores causais gerais, cuja presença dá origem às re-
lações entre as variáveis observadas, de forma que, no total, o
número de fatores seja consideravelmente inferior ao número de
variáveis. Isso porque muitas relações entre as variáveis são, em
grande medida, devido ao mesmo fator causal geral.
O modelo matemático, conforme Fávero, et al. (2009) da
análise fatorial poderá ser representado por:
= + +...+ +
. = + +...+ + .
(1)
= + +...+ +
De forma simplificada, tem-se:
= +
Tal que:
Zj= j-ésima variável padronizada;
aji= é o coeficiente de saturação referente ao i-ésimo fator comum
da j-ésima variável;
Fi= é o i-ésimo fator comum;
dj= é o coeficiente de saturação referente ao j-ésimo fator especí-
fico da j-ésima variável;
= é o j-ésimo fator específico da j-ésima variável.
De acordo com a análise fatorial, cada fator é constituído por

uma combinação linear das variáveis originais inseridas no es-
tudo. A associação entre fatores e variáveis se dá por meio das
cargas fatoriais, os quais podem ser positivos ou negativos, mas
O RuRal NORdestiNO: CeNáRiOs, ajustes e desafiOs 145

nunca superiores a um. Esses coeficientes de saturação têm fun-
ção similar aos coeficientes de regressão na análise de regressão
(SIMPLICIO, 1985).
O coeficiente de saturação entre uma variável e um fator,
elevado ao quadrado, identifica a proporção da variância da va-
riável explicada pelo fator. E o somatório do quadrado dos coe-
ficientes de saturação, para cada variável, é chamado “comuna-
lidade”, a qual informa a proporção da variância total de cada
variável, que é explicada pelo conjunto de fatores considerados
na análise, ao passo que a soma do quadrado dos coeficientes
de saturação para cada fator denomina-se eigenvalue. Ao divi-
dir o eigenvalue pelo número de variáveis incluídas no estudo,
obtém-se a proporção explicada pelo referido fator ao problema
estudado.
Dentro da análise fatorial, através da verificação da matriz
de correlação, devem ser apresentados os coeficientes de corre-
lação de Pearson para cada par de variáveis. A relação entre as
variáveis deve ser confirmada a partir do nível de significância
dos coeficientes estimados. (p-value< 0,05).
De acordo com Hair Jr. et al. (2005), a análise iniciar-se-á
a partir do exame da matriz de correlações para verificação da
existência de valores significativos que justifiquem a utiliza-
ção da técnica. Deve ser considerada também a normalidade
dos dados para o uso da técnica (utilizando o Teorema do Li-
mite Central, que caso haja um grande número de variáveis
aleatórias independentes e identicamente distribuídas, então
a distribuição tenderá para uma distribuição normal, à medi-
da que o número dessas variáveis aumente indefinidamente).
Ainda segundo os autores, se a visualização da matriz de cor-
relações não mostrar um número substancial de valores maio-
res que 0,30, haverá fortes indícios que a análise fatorial não
será adequada.
Segundo Fávero et al. (2009) para verificar a adequabilidade
dos dados para a análise fatorial, poderão ser utilizados o índice
Kaiser-Mayer-Olkin (KMO), o teste de esfericidade de Bartlett
(BTS) e a Matriz Anti-Imagem.

O índice Kaiser-Mayer-Olkin (KMO), que varia de 0 a 1,
serve para comparar as magnitudes dos coeficientes de cor-
relações observados com as magnitudes dos coeficientes de
correlações parciais. Portanto, o KMO trata-se de uma medida
de homogeneidade das variáveis, que compara as correlações
parciais observadas entre as variáveis, conforme a equação (2)
a seguir:
(2)
rij é o coeficiente de correlação observado entre as variáveis

iej
aij é o coeficiente de correlação observado entre as mesmas
variáveis, que é, simultaneamente, uma estimativa das correlações
entre os fatores. Os aij deverão estar próximos de zero, pelo fato
de os fatores serem ortogonais entre si.
A estatística do KMO (Kaiser-Mayer-Olkin) é a seguinte:
quanto menor o valor do respectivo teste, menor a relação en-
tre as variáveis e os fatores, podendo o índice variar entre 0 e 1.
O índice menor que (0,5) caracteriza-se como inaceitável o uso
dessa técnica, caso contrário, o índice próximo de 1, a utilização
da técnica com os dados se torna bastante eficaz, de acordo com
a classificação da tabela 1 a seguir:
Tabela 1: Estatística KMO (Kaiser Mayer Olkin).

KMO Análise fatorial
0,9 a 1,0 Muito boa
0,8 < 0,9 Boa
0,7 < 0,8 Média
0,6 < 0,7 Razoável
0,5 < 0,6 Má
< 0,5 Inaceitável
Fonte: Fávero et al. (2009).

O teste Bartlett de esfericidade pode testar a hipótese nula
de que a matriz de correlações é uma matriz identidade (o que
inviabiliza a metodologia da análise fatorial proposta).
Caso a matriz de correlações seja uma matriz identidade,
significa que as inter-relações entre as variáveis são iguais a
zero e, portanto, a análise fatorial não deverá ser utilizada,
sendo a hipótese H0 (a matriz de correlações é uma matriz
identidade) e a hipótese Ha (a matriz de correlações não é uma
matriz identidade). Caso H0 seja aceita a análise fatorial deve
ser desconsiderada, caso a hipótese H0 seja rejeitada, haverá
indícios de que existam correlações entre as variáveis explica-
tivas do processo.
A matriz anti-imagem também mostra a partir da matriz
de correlações a adequabilidade dos dados à análise fatorial
e apresenta os valores negativos das correlações parciais. Na
sua diagonal principal são apresentados os valores de MSA
(Measure of Sampling Adequacy) ou a Medida de Adequação
da Amostra, para cada variável, ou seja, quanto maiores es-
ses valores, melhor será a utilização da análise fatorial e, caso
contrário, talvez seja necessário excluí-la da análise (HAIR Jr.
et al., 2005).
2.5 Cálculo do índice tecnológico dos apicultores

familiares de mel do município de Cariús –
ITAFM
A análise fatorial permitirá criar um índice tecnológico dos

apicultor familiares de mel com base nas variáveis que mais con-
tribuíram para o nível de tecnologia dos produtores. O Índice
Tecnológico dos Apicultores Familiar de Mel será obtido da se-
guinte forma:
(3)

Em que:
ITAFMi= Índice Tecnológico do i-ésimo Apicultor Familiar de
Mel de Cariús;
j = é a j-ésima raiz característica;
p = é o número de fatores extraídos na análise;
F ij = é o j-ésimo escore fatorial do i-ésimo Apicultor Familiar;
Σλj = é o somatório das raízes características referentes aos p fa-
tores extraídos;
A participação relativa do fator j na explicação da variância
total captada pelos p fatores extraídos e indicada por

Para tornar todos os valores dos escores fatoriais F*ij supe-
riores ou iguais a zero, todos eles são colocados no primeiro qua-
drante (LEMOS, 2001), antes da construção do ITAFMi, utilizan-
do-se a expressão algébrica:

(4)
Em que:
F é o menor escore observado para o j-ésimo fator, e F max
min
j j
éo
maior escore observado para o j-ésimo fator.
A operacionalização do trabalho foi realizada por meio do
software STATA 12.
3.1 Perfil socioeconômico dos apicultores familia-

res do município de Cariús, Ceará
Analisando a Tabela 2, observa-se que, dos apicultores en-

trevistado 4% são considerados solteiro (1), 84% são casados
(21), 8% são divorciado e 4 é viúvo (1). Isso mostra a importância
que a atividade tem para os apicultores do município, pois serve
de sustento para algumas famílias.

Tabela 2: Estado civil dos apicultores do município de Cariús,
Ceará.
ESTADO CIVIL Frequência Percentual Acumulado
Solteiro 1 4.00 4.00
Casado 21 84.00 88.00
Divorciado 2 8.00 96.00
Viúvo 1 4.00 100.00
Total 25 100.00
Fonte: Dados da pesquisa 2015.
A Tabela 3 abaixo mostra a composição da idade dos apicul-

tores, tendo como resultado o fato de que, em sua maioria (28%),
os apicultores são analfabetos.
Destaque seja conferido à quantidade de apicultores que
possui ensino médio completo, que são 5 deles, isso se torna
muito importante para a adoção de tecnologias voltadas à produ-
ção apícola no que se refere à sua não utilização por aqueles que
possuem baixo nível de escolaridade. Isso se deve refletir no alto
percentual daqueles que são analfabetos.
Tabela 3: Escolaridade dos apicultores do município de Cariús,

Ceará.
ESCOLARIDADE Frequência Percentual Acumulado
Analfabeto 7 28.00 28.00
Fundamental incompleto 5 20.00 48.00
Fundamental completo 2 8.00 56.00
Médio incompleto 6 24.00 80.00
Médio completo 5 20.00 100.00
Total 25 100.00
O Gráfico 1 abaixo mostra a renda dos apicultores, o resulta-

do revela que mais de 30% da renda dos apicultores está concen-
trada na faixa de R$ 600 reais, e menos de 15% destes estão com

a renda concentrada em torno de R$ 1.000,00 reais. Isso mostra
que a apicultura possui uma baixa remuneração para aqueles que
dela a praticam.
Gráfico 1: Distribuição da renda dos apicultores do município

de Cariús, Ceará.
A Tabela 4 corresponde ao percentual associado à experiên-

cia dos apicultores na atividade. Os resultados mostram que 88%
dos apicultores têm mais de 8 anos de experiência na atividade.
Tabela 4: Experiência dos apicultores do município de Cariús,

Ceará.
EXPERIÊNCIA Frequência Percentual Acumulado
7a8 3 12.00 12.00
Mais de 8 22 88.00 100.00
Total 25 100.00
Apesar da baixa idade desses apicultores, ou seja, a minoria

descrita anteriormente, sua alta experiência, em torno de mais
de 8 anos na maioria (88%), mostra que a atividade é praticada
durante um bom período, e isso não se torna um empecilho, pro-
porcionando bom desempenho na atividade. De acordo com a
Tabela 5 verifica-se que a maior quantidade de apicultores possui

apenas 2 apiários, ou seja 40% e que apenas 1 produtor possui 10
apiários, representando 4% do total.
Tabela 5: Número de apiários.

APIÁRIOS Frequência Percentil Acumulado
1 2 8.00 8.00
2 10 40.00 48.00
3 8 32.00 80.00
4 2 8.00 88.00
6 2 8.00 96.00
10 1 4.00 100.00
Total 25 100.00
Fonte: Dados da Pesquisa 2015.
Com relação a atividade principal (Tabela 6), verifica-se que

a maioria não tem a apicultura como atividade principal repre-
sentando 84%. E apenas 16% possuem a apicultura como ativi-
dade principal.
Tabela 6: Atividade principal

ATIVIDADE
Frequência Percentil Acumulado
PRINCIPAL
Sim 4 16.00 16.00
Não 21 84.00 100.00
Total 25 100.00
A Tabela 8 informa que a apicultura é tida de migratória, es-

tudos revelam que quando a apicultor pratica a apicultura migra-
tória seu nível tecnológico e mais elevado. Visto que, o contato
com apicultores e técnicos de outras regiões favorecem a difusão
e o desenvolvimento da pratica apícola. Assim, é possível conhe-
cer novas técnicas e, através da observação, o apicultor pode ava-
liar como adequada ou não a sua aplicação.

Tabela 7: Pratica apicultura migratória.
APICULTURA
Frequência Percentil Acumulado
MIGRATÓRIA
Sim 14 56.00 56.00
Não 11 44.00 100.00
Total 25 100.00
Quanto à assistência técnica a apicultura entrevistada

apresenta um percentual significativo que não possui assis-
tência técnica, 76%. Usando apenas a experiência dos apicul-
tores35. A falta da assistência técnica dificulta o desenvolvi-
mento da atividade e consequentemente ela se torna pouco
eficiente no âmbito de produção bem como se configura com
uma baixa rentabilidade.
Tabela 8: Assistência técnica.

ASSISTÊNCIA Frequência Percentil Acumulado
TÉCNICA
Sim 6 24.00 24.00
Não 19 76.00 100.00
Total 25 100.00
Em relação a participação em associação, verificado na Ta-

bela 9, mostra que a grande maioria participa de uma associação.
Isso representa uma organização na apicultura fortalecendo o
desenvolvimento da atividade.
Todos os apicultores entrevistados afirmaram ter perdas de colmeias, mas

35
não afirmaram a quantidade.

Tabela 9: Participação em Associação.
PARTICIPA DE
Frequência Percentual Acumulado
ASSOCIAÇÃO
Sim 19 76.00 76.00
Não 6 24.00 100.00
Total 25 100.00
A Tabela 10 representa o percentual de apicultores que re-

corre ao financiamento. A entrevista mostrou que quase todos
apicultores buscam um financiamento para aplicar na produção,
representando 92%.
Tabela 10: Financiamento da atividade.

FINANCIAMENTO Frequência Percentual Acumulado
Sim 23 92.00 92.00
Não 2 8.00 100.00
Total 25 100.00
3.2 Identificação e análise do desempenho tecno-

lógico dos apicultores familiares do município
de Cariús, Ceará
Inicialmente, com o intuito de verificar a coesão dos dados

coletados, foi calculado o teste Kaiser-Mayer-Olkin (KMO). As-
sim, observou-se, pela Tabela 11 considerando-se distribuição
normal dos dados, que o KMO revelou valor de 0,654, portanto,
indicando que os dados são consistentes, ou seja, é um índice
razoável e aceito para análise fatorial. O Teste de Esfericida-
de de Bartlett indicou valor 112,707, sendo considerado eleva-
do para garantir que a matriz de correlações não é uma matriz
identidade, ao nível de significância 1%, rejeitando a hipótese
nula (H0) de que a matriz de correlação é uma matriz-identida-

de. Conclui-se, portanto, que os dados amostrais são adequados
para uso da análise fatorial.
Tabela 11: Teste de KMO (Kaiser Mayer Olkin) e BTS (Teste de

Esfericidade de Bartlett).
KMO 0,654
Teste de Esfericidade de Bartlett 112,707
Sig 0,000
Fonte: Resultados da Pesquisa 2015.
Com o uso da análise fatorial, pelo método dos componentes

principais, foram obtidos três fatores característicos, com índices
maiores do que 1, considerando o critério da raiz latente, confor-
me observado na Tabela 12.
Objetivando caracterizar ou representar um total de vari-
áveis originais em um número menor possível de variáveis, a
fim de explicar a tecnologia adotada pelos apicultores, optou-se
por trabalhar com os três fatores, considerando-se que o Fator
1 possui raiz 2,49 o Fator 2 tem raiz 2,42 e o Fator 3, apresenta
uma raiz característica de 2,15 ou seja, todos os fatores aten-
dem a exigência da metodologia de apresentar raízes latentes
maiores do que 1 e que, em conjunto, explicam 70,56% da va-
riância total dos 10 indicadores de adoção de tecnologia pelos
apicultores.
Tabela 12: Valores das raízes características e percentual de

variância total explicada pela análise fatorial.
Variância Variância
Fator Raiz característica explicada pelo acumulada
fator (%) (%)
1 2,49 24,88 24,88
2 2,42 24,20 49, 08
3 2,15 21,48 70,56

Conforme a Tabela 13, foram observadas as cargas fatoriais
ou coeficientes de correlação após a rotação dos fatores de ado-
ção de tecnologia e suas respectivas comunalidades, onde o va-
lor das comunalidades é obtido pelo somatório do quadrado das
cargas fatoriais de cada variável. Admite-se que valores acima de
0,5 (em negrito) indicam intensiva associação entre a variável e
o fator.
Tabela 13: Cargas fatoriais rotacionadas das variáveis de

tecnologia obtidas na análise fatorial.
Comuna-
Variáveis F1 F2 F3
lidades
X1- escolaridade do apicultor -,227 ,168 ,829 1,000
X2- Renda do apicultor ,462 ,603 -,234 1,000
X3- Produção de cera ,710 ,444 ,130 1,000
X4- Produção de mel ,470 ,591 ,513 1,000
X5- Distância do apiário ,416 -,038 ,738 1,000
X6- Números de apiários ,840 ,323 ,299 1,000
X7- Gastos com mão de obra ,047 ,888 ,014 1,000
X8- Comercialização -,783 ,280 ,156 1,000
X9- Controle de qualidade ,043 -,713 -,311 1,000
X10- Participa de Associação -,045 -,057 -,608 1,000
O primeiro fator (F1) está composta por: X3 (produção de

cera), X6 (números de apiários) e X8 (Comercialização) sendo,
portanto, F1 representado pelo uso da tecnologia de Produção.

Analisando o fator (F2), percebeu-se que ele está intensi-
vamente ligado às variáveis X2 (renda do apicultor), X4 (pro-
dução de mel), X7 (gasto com mão de obra) e X9 (Controle de
Qualidade), representando tecnologia pelo uso de Logística na
produção.
Em relação às cargas do fator (F3), constatou-se que este
possui correlação com as variáveis X1 (escolaridade do apicul-
tor), X5 (distancia do apiário) e X10 (Participação de Associa-
ção), indicando o uso de estoque de capital humano.
3.3 Classificação dos produtores pelo índice tec-

nológico da apicultura no município de Cariús,
Ceará (ITAFM)
Por meio da análise fatorial, após a obtenção dos escores fa-

toriais extraídos pelo método de rotação varimax, procedeu-se à
elaboração do Índice Tecnológico para os 25 apicultores familia-
res pesquisados no período de 2015. Em seguida foi feita a padro-
nização do índice de forma que ele pudesse variar de zero a um.
Quanto mais próximo de um, melhores são os níveis tecnológicos
desenvolvidos pelo apicultor.
De acordo com a Tabela 14, percebe-se que foram obtidas
cinco classes para classificação de Índices Tecnológicos do Pro-
dutor de Mel de Cariús (ITAFM).
O grupo 5 foi caracterizado como o que possui nível tecno-
lógico muito alto; o grupo 4 caracteriza-se como alto nível tec-
nológico; o 3 como médio; o grupo 2 como baixo; e o grupo 1 foi
classificado como o grupo de nível tecnológico muito baixo. Esta
escolha de cinco grupos tomou como base o trabalho de Cunha
et. al. (2008) que desenvolveu estudos semelhantes sobre classi-
ficação e agrupamentos de índices, mediante melhor estrutura-
ção das variáveis e sua quantidade.

Tabela 14: Índice tecnológico, número de apicultores, segundo
os grupos do Índice de adoção de Tecnologia dos Apicultores de
Familiares de Mel município de Cariús, Ceará, 2015.
Número de Frequência
GRUPOS ITFC
produtores relativa
1- Muito Baixo 0 - 0,20 5 20%
2- Baixo 0,21-0,35 16 64%
3- Médio 0,37-0,54 2 8%
4- Alto 0,55-0,78 2 8%
5-Muito Alto 0,79-1,00 0 0%
Informações
- 25 100,00
válidas
Para os índices classificados como muito baixo, de 0 a 0,20,

houveram cinco apicultores com uma frequência relativa de
20%, de 0,21 a 0,35 (baixo) existem 16 apicultores com frequên-
cia relativa de 64%, 2 apicultores apresentam índice considerado
médio de 0,37 a 0,54, com frequência relativa de 8% e apenas 2
apicultores foram considerado com índice tecnológico alto, o que
corresponde a um percentual de 8%. Nenhum apicultor registrou
índice considerado muito alto, entre (0,79 a 1,00) para adoção de
tecnologia.
As variáveis que mais impactaram na determinação do nível
tecnológico do referido índice foram: X3 (produção de cera), X6
(números de apiarios), resultado justificado pela maior variância
dos dados, num total de 24,88%, representadas pelo fator 1 sen-
do, F1 (Tabela 12).
4 CONCLUSÃO
A apicultura é uma das atividades mais antigas e impor-

tantes do mundo. Esta atividade atravessou o tempo, ganhou o
mundo e se tornou uma importante fonte de renda para várias
famílias.

Os participantes do estudo enquadram-se na realidade co-
mum no Brasil, na qual se tem registrado aumento da participa-
ção de pequenos produtores na apicultura, principalmente, em
relação à produção de mel. As maiores perspectivas econômicas
da apicultura encontram-se na comercialização do mel. Dada a
busca por uma alimentação saudável, verifica-se uma crescente
demanda interna e externa por esse produto. Em ambos os mer-
cados, interno e externo, observa-se a existência de consumido-
res exigentes quanto à qualidade e aos preços.
Ao longo do estudo, foram corroborados dados mostrando
o crescimento da apicultura, as regiões mais favoráveis, onde foi
observado o destaque do Nordeste, sendo o Ceará considerado
um dos maiores centros de produção apícola, além das condições
favoráveis apresentadas pelo mercado.
Os produtores participantes da pesquisa, onde se trata de
uma maioria relativamente jovem, entre 30 a 40 anos; a grande
maioria é casada, mostrando assim, a relação entre a importância
da apicultura. Quanto à escolarização, isoladamente, encontra-se
maioria de analfabetos, porém, sendo considerados em conjunto
aqueles que têm o ensino médio incompleto, e os que têm fun-
damental incompleto, e médio completo. Existem ainda dados
que mostram não se tratarem de apicultores inexperientes, tendo
pelo menos cinco anos na atividade e um número significativo,
mais de oito anos.
Quando se observa a renda desses apicultores, vê-se que é
questionável afirmar sobre a apicultura ser uma forma viável de
fonte de renda, já que 30% da renda dos apicultores está concen-
trada na faixa de R$ 600 reais.
A pesquisa mostra que apenas 8% dos produtores foram
considerados com índice tecnológico alto. A grande maioria
participa de associações e financiamentos, como também, rece-
be assistência técnica, mas, o fator tecnológico pode encontrar
entrave na baixa escolaridade, pois a maior capacidade de reter
informação e conhecimento acaba sendo influenciada, também,
pela escolaridade alta.

De uma forma geral, o estudo mostra uma realidade comum
entre pequenos produtores, organizados, que têm feito da apicul-
tura meio de subsistência para famílias, e o que se espera é que
esses produtores possam ter sua realidade melhorada, a partir
de maiores incentivos tecnológicos, de forma que possam auferir
uma renda mais significativa para o seu provento e de sua família.
Diante de um quadro tão promissor, a tendência é se pensar
que os produtores que escolherem a apicultura como atividade,
obtém sucesso imediato, mediante a demonstração de dados tão
satisfatórios, mas, a realidade é diferente, principalmente, de-
vido aos condicionantes que tornam essa atividade economica-
mente viável, sobretudo, relacionado à inovação tecnológica. Os
produtores que mais têm obtido sucesso no mercado, são aqueles
providos de informações técnicas e tecnológicas, como também,
dos recursos correspondentes, o que nem sempre acontece.
REFERÊNCIAS
AMARAL FILHO, J. Um quadro panorâmico da produção de

mel de abelha no Ceará. Fortaleza-CE: IPECE, 2004. 19 p. (Nota
Técnica, n. 6).
CUNHA, N. R. S.; LIMA, J. E. ; GOMES, M. F. M.; BRAGA, M. J.
A Intensidade da Exploração Agropecuária como Indicador da De-
gradação Ambiental na Região dos Cerrados, Brasil. Revista Eco-
nomia Rural, Piracicaba, SP, vol. 46, nº. 02, p. 291-323. Abr/Jun
2008.
EMBRAPA. Produção de Mel. In: SISTEMAS DE PRODUÇÃO, 3.
Embrapa Meio Norte, Teresina-PI, 2003. Disponível em: <http://
sistemasdeproducao.cnptia.em brapa.br/FontesHTML/Mel/SP-
Mel/index.htm> Acesso em 25 Jun. 2009.
FÁVERO, L. P. et al. Análise de dados: modelagem multivariada
para tomada de decisões. Primeira edição. Rio de Janeiro: Elsevier,
2009, p.195-265;
FREITAS, D. G. F.; KHAN, A. S.; SILVA, L. M. R. Nível tecnológico e
rentabilidade de produção de mel de abelha (ApisMellifera) no Ce-

ará. Revista de Economia e Sociologia Rural. v.42, n. 01, p.
171-188, Jan./Mar., 2004.
FREITAS, Débora Gaspar Feitosa. Nível tecnológico e competi-
tividade da produção de mel de abelhas (Apismellifera) no
Ceará. 101 f. (Dissertação de Mestrado em Economia Rural) - UFC/
CCA/DEA, Fortaleza, 2003.
FREEMAN, C. The economics of technical change: critical survey.
Cambridge journal of economics. 18: 463-514, 1994.
GOMES, O. P. Perfil socioeconômico e tecnológico de pro-
dutores de fruticultura irrigada na região do Cariri, Ceará.
Universidade Federal do Ceará, Centro de Ciências Agrárias-CCA
(Dissertação de Mestrado). Departamento de Economia Agrícola,
Programa de Pós-Graduação em Economia Rural, 2015, 77p.
HAIR JÚNIOR, J. F.; ANDERSON, R. E. ; TATHAM, R. L.; BLACK,
W. C. Análise multivariada de dados. Porto Alegre: Bookman,
2005. 5ª ed. p.89-126; 380- 419.
HOFFMANN, R. A dinâmica da modernização da agricultura em 157
microrregiões homogêneas do Brasil. Revista de Economia e So-
ciologia Rural, Brasília, v. 30, n. 4, p. 271-290, 1992.
HOFFMANN, R. Componentes principais e análise fatorial.
Piracicaba: ESALQ, Série Didática (90), 1999, 40 p.
Instituto Brasileiro de Geografia e Estatística. Banco de Dados Agre-
gados. Sistema IBGE de Recuperação Automática-SIDRA. Tabela
74. Disponível em: <http://www.sidra.ibge.gov.br/bda/tabela/ lis-
tabl.asp?c=74&z=t&o=22> Acesso em 21 Mai. 2009.
IPECE (Instituto de Pesquisa e Estratégia Econômica do Ceará).
Perfil básico Municipal 2012 Cariús. Disponível em <www.
ipece.ce.gov.br > Acesso em 22 jul. 2015.
KHAN, A. S.; MATOS, V. D.; LIMA, P. V. P. S. Desempenho da api-
cultura no estado do Ceará: competitividade, nível tecnológico e fa-
tores condicionantes. Revista de Economia e Sociologia Ru-
ral, v. 47, n. 3, p. 651-675, 2009.
MATOS, V.D. Apicultura no Estado do Ceará - competitivida-
de, nível tecnológico e seus fatores condicionantes, produ-

ção e exportação de mel natural. 189f. (Dissertação de Mestrado
em Economia Rural) - UFC/CCA/DEA, Fortaleza, 2005.
RESENDE, R. B. Estatísticas sobre as exportações brasilei-
ras de mel. 2007. Rede Apis,
SEBRAE. Carteiras de Projetos GEOR de Apicultura. Disponível em:
<http://www.apis.sebrae.com.br/>. Acesso em 17 fev. 2008.
SEBRAE. Informações de mercado sobre mel e outros derivados
das abelhas: Relatório completo. Biblioteca On-line. Brasília, 2006.
243p. Disponível em: <http://www.sebrae.com.br/setor/apicultu-
ra/sobre-apicultura/mercado/estudos-de-mercado-interno> Aces-
so em 25 out. 2008.
SILVA, César Roberto Leite da. Inovações Tecnológicas e Dis-
tribuição de
Renda: Impactos Distributivos dos Ganhos de Produtivi-
dade da Agricultura Brasileira. São Paulo: IEA, 1995. 245p.
(Coleção Estudos Agrícolas 2).
SEBRAE - Projeto Apis Araripe, 2006.
SOUZA, Francisca Laudeci. Estudo sobre o Nível Tecnológico
da Agricultura Familiar no Ceará. 107 f. Dissertação (Mestrado
em Economia Rural) -UFC/CCA/DEA, Fortaleza, 2000.
VIEIRA, M. I. Apicultura atual: abelhas africanizadas; melhor adap-
tação ecológica, maior produtividade, maiores lucros. São Paulo: M.
I. 1986.
WIESE, H. (Coord.). Nova Apicultura. Porto Alegre: Agropecuá-
ria, 1985. 493p. Recebido em maio de 2003 e revisto em janeiro de
2004.
WIESE, H. Novo manual de apicultura. Guaíba: Editora Agro-
pecuária, 1995. 292p.
WIESE, H. Nova apicultura. Porto Alegre: Livraria e Editora agrope-
cuária Ltda., 1987 – 8ª edição.

C apítulo 6
ÍNDICE TECNOLOGICO DOS PRODUTORES
DE BANANA IRRIGADA NO MUNICIPIO DE
IGUATU NO CENTRO-SUL CEARENSE
Francisco Rômulo Almeida de Oliveira36

Domingos Isaias Maia Amorim37
Marcelo Ximenes Teles da Roza39
RESUMO
O trabalho tem como objetivo analisar o perfil socioeconômico

dos bananicultores no município de Iguatu/CE e mensurar o ní-
vel tecnológico, identificando as variáveis que mais influenciam
cada nível. A mensuração do índice tecnológico dos produtores
permite que se identifique o nível de tecnologia utilizado por
eles. Para a elaboração do índice tecnológico foi empregada a
análise fatorial. Os indicadores provieram de fontes primárias,
colhidas no município de Iguatu para o ano de 2016 e a análise
foi realizada através do programa estatístico SPSS 20. Os resul-
36
ri, campus de Iguatu, Ceará.
Bolsista de Apoio Técnico – BAT/URCA. E-mail: [email protected]
37
ri, campus de Iguatu, Ceará.
Bolsista de Apoio Técnico – BAT/URCA. E-mail: domingos_isaias@hot-
mail.com
38
Mestre em Economia Rural – MAER/UFC. Professor de Graduação pela
Universidade Regional do Cariri – URCA, campus Iguatu. E-mail: otacio-
[email protected]
39
Mestre em Economia Rural – MAER/UFC. Professor de Graduação pela
Universidade Regional do Cariri – URCA, campus Iguatu. E-mail: marcelo-
[email protected].

tados mostram que em sua maioria, os bananicultores (36,67%)
só possuem até o ensino fundamental, sendo que apenas 26,67%
conseguem assinar somente o nome. Ainda se pode perceber que
16,67% dos bananicultores possuem ensino secundário e que é
baixo o número de produtores analfabetos (6,67%) e eles em sua
maioria possuem mais de 50 anos de idade (73,33%). Os resul-
tados também mostram que 90% dos bananicultores do municí-
pio não participam de cooperativas. Para os índices tecnológicos
classificados como muito baixo, houve onze fruticultores, 15 de-
les foram considerados de baixa tecnologia, 3 produtores apre-
sentaram índice considerado médio e um fruticultor demostrou
índice considerado muito alto, de 0,79 a 1,00, com frequência
relativa de 3%. As variáveis que mais contribuíram para indicar
melhorias de adoção do nível tecnológico do referido índice fo-
ram: mão de obra permanente, insumos, energia, renda bruta,
produção total, levantamento de custos e se fez projeto, resultado
justificado pela maior variância apontada pelos dados, num total
de 43,16%.
Palavras-chave: Iguatu; bananicultores; perfil socioeconômi-
co; índice tecnológico.
1 INTRODUÇÃO
A produção agrícola desempenha um papel de grande im-

portância na economia brasileira, proporcionando a geração de
emprego e renda, assim como a produção e distribuição de in-
sumos e produtos. Essa atividade está espacialmente distribuída
em todo o território nacional, gerando empregos diretos e indi-
retos, contemplando uma grande parte da mão de obra agrícola
do país.
De acordo com A irrigação no Brasil Situação e Diretrizes
(2008, p. 8), “o primeiro projeto de irrigação no Brasil começou
indiretamente em 1881 no Rio Grande do Sul, com construção
de reservatório Cadro para permitir o suprimento de agua a ser
utilizado na lavoura de arroz”.

Segundo Nóbrega (1985, p. 134), “a irrigação não é apenas
uma forma de viabilizar a agricultura em áreas deprimidas do
Nordeste, é, sobretudo um caminho para evitar o indesejável
êxodo rural que decorre do progressivo empobrecimento relati-
vo dessas áreas”. Assim sendo, agricultura irrigada surgiu como
uma forma de viabilizar e promover o desenvolvimento de áreas
deprimidas pela escassez de recursos hídricos.
De acordo com os documentos do Banco do Nordeste (2001,
p. 45), “no Brasil, a produção por meio de cultivos irrigados é
relativamente recente”. A sua evolução ocorreu em quatro fases.
Na primeira fase, ocorrida na metade da década de 1960, a irri-
gação desenvolveu-se por meio de ações isoladas, dirigidas para
alvos específicos, em termos setoriais e espaciais sem a estrutura
de políticas ou de programas nacionais.
A segunda fase ocorreu entre o final dos anos 1960 e na me-
tade da década de 1980. Esse período foi marcado pela criação
do Grupo de Estudos Integrados de Irrigação e Desenvolvimento
Agrícola (GEIDA), cujas características destacam-se na busca da
ampliação dos conhecimentos global sobre os recursos naturais
disponíveis e pela implementação de programas nacionais, como
o Programa Plurianual de Irrigação (PPI), em 1969, e o Programa
de Integração Nacional (PIN), em 1970.
A terceira fase da irrigação no Brasil tem por marco o Pro-
grama Nacional de Irrigação (PRONI) e o Programa de Irrigação
do Nordeste (PROINE), ambos datam do ano de 1986. A quarta
fase ocorreu em 1995, quando se percebeu então que as várias
inciativas tomadas a implementação da irrigação no Brasil no sé-
culo 20 deveriam ser submetidas a uma nova orientação a partir
daquele ano, buscando, assim, um novo direcionamento para a
Política Nacional de Irrigação e Drenagem.
O Brasil possui pequenas áreas irrigadas, sendo que suas
causas podem estar associadas à: pouca ênfase em políticas pú-
blicas de estímulo à agricultura irrigada; desarticulação entre os
órgãos envolvidos com a irrigação; instabilidade da legislação
ambiental e de recursos hídricos, levando à insegurança na con-
tinuidade da atividade agrícola irrigada; desinformação quanto à

disponibilidade de crédito para a irrigação e dificuldade de aces-
so, sobretudo em agentes privados; altos custos de energia; baixa
organização dos produtores e das cadeias dos produtos oriundos
da agricultura irrigada; falta de uma melhor qualificação técni-
ca de parte dos agentes de comercialização de equipamentos de
irrigação, transferência de tecnologia e assistência técnica inefi-
ciente, dada a complexidade dos sistemas de produção irrigados
(PENSA, 2010).
A produção mundial de frutas é de 609,2 milhões de tonela-
das e o Brasil é o 3° produtor mundial, atrás apenas de China e
da Índia, de acordo com os dados da FAO (2010). Os dez maiores
produtores mundiais são responsáveis por pouco mais de 60% da
produção total (FAO 2010 apud ADECE, 2013).
A implementação da irrigação mecanizada no Estado do
Ceará, com vastas áreas irrigadas, possibilitaram a produção de
frutas tropicais em qualquer época do ano, tanto no período de
estiagem quanto no chuvoso (daí os perímetros irrigados, tais
como Jaguaribe – Apodi, Curu Paraipaba), isto vem viabilizando
os altos índices de produtividade de frutas cultivadas no Estado,
já a partir da década de 1990 (ANDRADE, 2005).
Segundo a ADECE (2013) em 2011 o estado do Ceará se en-
contra na quarta posição do ranking nacional de produtores de
frutas frescas e em terceiro lugar em exportação, ficando atrás
apenas de São Paulo, Bahia e Rio Grande do sul.
De acordo com Souza (2010), é relevante destacar os fato-
res que dão competitividade ao estado do Ceará, tais como po-
sição estratégica com portos e aeroportos próximos aos merca-
dos mundiais, condições climáticas favoráveis à fruticultura com
temperaturas elevadas, reduzindo o aparecimento de pragas, fa-
vorecendo assim a qualidade do produto e uma maior quantida-
de de colheitas ao ano.
O Centro-Sul do estado do Ceará em particular a cidade de
Iguatu também possui potencial para a fruticultura irrigada, com
abundância de terras férteis e recursos hídricos, proporcionando
aos produtores um desenvolvimento da atividade, reconfiguran-
do a realidade das famílias que ali residem.

Com todas as características vantajosas para a produção de
frutas nessa região, é de suma importância identificar as suas po-
tencialidades e peculiaridades da produção de frutas de modo a
promover a atividade, assistência através de políticas públicas e
investimentos privados para a maximização das vantagens dessa
produção agrícola, proporcionando a geração de emprego e renda
para a região. Justifica-se assim a análise da fruticultura, dando
foco para a produção de banana irrigada na cidade de Iguatu no
Centro-Sul do Estado do Ceará, pois o sistema produtivo adotado
ainda carece de adoção de tecnologias adaptadas como meios de
viabilizar a atividade às condições edafoclimáticas dessa área de
elevado potencial de produção no Estado.
Desta forma, faz-se necessário examinar a bananicultura
como modo de produção para os produtores irrigantes, consti-
tuindo-se numa fonte de renda para os produtores, assim como
absorvedora de mão de obra no meio rural. Para tanto, é neces-
sário antes de tudo que as propostas tecnológicas sejam geradas,
divulgadas, adotadas e testadas sob ponto de vista agronômico e
econômico, inclusive quanto aos mais diversos aspectos, para só
assim ser incentivada sua produção em escala mais ampla. As-
sim sendo, o presente estudo objetivou analisar o perfil socioe-
conômico e tecnológico dos produtores de banana da cidade de
Iguatu, Ceará.
2 FUNDAMENTAÇÃO TEÓRICA
2.1 A cultura da banana
De acordo com Sena (2011) a banana é uma das culturas

mais populares do mundo. Oliveira (2016) relata que, a banana é
a segunda fruta mais produzida no Brasil, ficando abaixo apenas
da laranja.
A banana é um dos poucos produtos agrícolas que não têm
períodos de safra e entressafra, pois atualmente a produção bra-
sileira está sendo distribuído o ano todo, apresentando algumas
elevações decorrentes das condições climáticas e da entrada e sa-

ída dos diferentes estados produtores devido a acontecimentos
regionais e as sazonalidades de produção que são questões essen-
ciais para o setor por terem influência sobre o comportamento do
mercado (CAMPOS e GONÇALVES, 2002).
Tal singularidade se aplica também quando analisado o mu-
nicípio de Iguatu, localizado na mesorregião Centro-Sul do Ce-
ará, que tem como sua principal cultura permanente a banana,
com uma quantidade produzida em 2014 de 14.000 toneladas
em uma área de 350 hectares destinados a cultura, com um valor
de produção de aproximadamente 27.020 mil reais. Estima-se
que o rendimento médio em 2014 tenha sido em torno de 40 mil
quilogramas por hectare (IBGE, 2015).
Dentre os fatores limitantes para o plantio comercial, o cli-
ma é o fator principal. As condições edafoclimáticas regionais,
aliadas a estrutura e possibilidade de irrigação, são as maiores
vantagens produtivas que o Nordeste apresenta em relação às
demais regiões.
De acordo com a EMBRAPA (2011), a faixa ótima para a ex-
plicação comercial da bananeira situa-se entre os 26 e 28º, com
mínima de 15ºC e máxima de 35ºC. A precipitação ideal seria
entre 1.200 a 1.800 mm/ano e a umidade do ar superior a 80%.
Para plantios irrigados, estima-se que uma planta com área foliar
ótima, consuma entre 15 e 30 litros de água por dia, dependendo
das condições atmosféricas. Como o vento pode causar desde pe-
quenos danos, até a derrubada das bananeiras, é aconselhável a
adoção de medidas que diminuam a sua incidência – escolha da
área preferencialmente com exposição Norte ou Leste, escora-
mento da bananeira e ensacamento – são exemplos de medidas
que podem ser tomadas.
A EMBRAPA (2011) ainda diz que os prejuízos são propor-
cionais a sua intensidade. A altitude também deve ser observada,
pois é um agente que influência os outros fatores, normalmente,
a banana é produzida em altitudes que vão até 1000 metros aci-
ma do nível do mar.

Tabela 1: Resumo das condições climáticas ideais para o cultivo
da banana.
Agentes Climáticos Condições Ideais
Temperatura 26-28ºc
Precipitação 1.200 - 1.800 mm/ano
Luminosidade 2 - 10 mil h/luz/ano
Vento Inferiores a 30km/h
Umidade Relativa Superior a 80%
Altitude 0 - 1000 metros acima do nível do mar
Fonte: EMBRAPA (2011). Elaborado pelo autor
Além dos aspectos agronômicos – potencial produtivo e re-

sistência à seca, pragas e doenças – deve-se levar em considera-
ção também as preferências do mercado consumidor ao qual o
produto se destina. Seja para consumo in natura ou beneficia-
mento industrial, independentemente de ser para o comercio lo-
cal ou exportação, um estudo de mercado junto aos agentes deve
ser feito, a fim de se evitar problemas futuros de comercialização.
Embora a banana para o município tenha muita importância
para a geração de emprego e renda, existe ainda uma grande falta
de informações quanto ao desempenho desta, para o agronegócio
municipal.
As dificuldades encontradas neste tipo de agricultura de
pequena escala, podem ser atribuídas em muitos países em
desenvolvimento, por exemplo, no Brasil, à falta de agilida-
de no levantamento e aplicação de recursos financeiros pelos
órgãos de pesquisa, planejamento e de extensão, o que quase
sempre não possibilita aquele sucesso tão esperado pelo pro-
dutor, levando-o ao desestímulo e ao abandono da atividade,
ou desenvolvendo uma produção rudimentar e sem criativi-
dade (ANDRADE, 2005).
Assim, para que o processo de desenvolvimento agrícola,
seja ela, em escala federal, estadual ou até mesmo municipal
ocorra de forma satisfatória e efetiva, faz-se necessário ter rela-
ções interativas reais entre os produtores, os órgãos de extensão

rural, as organizações não governamentais, as firmas comerciais,
além de um envolvimento prioritário entre entidades de pesquisa
e de planejamento. Toda essa interação quando feita de forma
imprecisa e incompleta, compromete o sucesso do desenvolvi-
mento agrícola da atividade onde está sendo praticada.
2.2 A importância da tecnologia para a produção
O estudo da tecnologia e suas implicações no processo pro-

dutivo vêm desde os teóricos clássicos como Smith, que associa-
va à utilização de máquinas ao aumento da produtividade. Marx
via os avanços tecnológicos como uma forma capaz de proporcio-
nar aumento da produtividade da mão-de-obra e, assim, elevar a
mais-valia relativa, ocasionando aumento no lucro no curto pra-
zo (SILVA, 1995).
Schumpeter diz que o surgimento de uma inovação tecnoló-
gica provoca perturbações cíclicas no sistema econômico através
da realocação desigual de recursos entre os vários setores da eco-
nômica, sendo fundamental para o desenvolvimento econômico
(MIRANDA, 2001).
A irrigação é uma atividade que para ser desenvolvida com
eficiência, necessita de uma tecnologia apropriada, um exem-
plo grandioso de áreas irrigadas com alto nível tecnológico são
as áreas irrigadas de Israel – país semidesértico que se destaca
mundialmente pela sua produção agrícola e tecnológica – expor-
tando para o resto do mundo, sua tecnologia e produção. Ele se
destaca pelo sistema de irrigação utilizado – gotejamento – cria-
do no próprio território.
A adoção de modernas tecnologias causam efeitos positivos
sobre a produção, elevando os níveis de produtividade, em to-
dos os setores, sejam agrícolas ou não agrícolas, beneficiando a
economia como um todo. O grande problema encontrado, no en-
tanto, é que essa tecnologia não consegue se difundir de maneira
uniforme entre todos os produtores nem com a mesma rapidez e
intensidade que necessitaria para que pudesse promover eleva-
ções na produção agrícola.

Além disso, embora vários sejam os fatores que contribuem
para elevar a competitividade de determinado setor ou atividade,
os investimentos em tecnologia constituem, certamente, um de
seus determinantes fundamentais (CARDOSO, 2003).
Dada à importância da adoção de tecnologia, pode-se chegar
à conclusão que ela é apenas uma parte do processo de produ-
ção, sendo capaz de influenciar um conjunto de fatores específi-
cos que podem desregular e até mesmo inviabilizar a adoção por
alguns grupos de produtores.
Pensando nisso, calcula-se o desempenho tecnológico
dos produtores, aplicando a analise fatorial, técnica adota-
da como instrumental de análise em vários estudos sobre
a modernização da agricultura, como em Tarsitano (1992),
Souza, Justos e Campus (2013), Gomes (2015). Onde para
aplicação desta, foram selecionadas variáveis que indiquem
o nível tecnológico.
3 METODOLOGIA
3.1 Apresentação da Área Geográfica do Estudo
A área de estudo compreenderá o município de Iguatu, loca-

lizado na Região Centro-Sul Cearense. O município tem uma po-
pulação estimada em 2015 de 101.386 pessoas, distribuídas em
uma área de 1.029,214 Km², está localizado a 380 km da capital
do estado Fortaleza. (IBGE, 2015).
3.2 Natureza e fonte dos dados
Para obtenção das informações empregadas no estudo, se-

rão utilizados dados primários, obtidos através da aplicação de
questionários junto aos bananicultores do município, visando
obter uma caracterização social, econômica e tecnológica desses
produtores.

3.3 População e Amostra
A pesquisa foi realizada por processo de amostragem não-

-probabilística por conveniência, levando em conta a popu-
lação de produtores que exploram a fruticultura irrigada no
município de Iguatu Ceará, especificamente os produtores de
Banana.
Nos métodos de amostragem não-probabilística, as amos-
tras são obtidas de forma não-aleatórias, ou seja, a probabilida-
de de cada elemento da população fazer parte da amostra não é
igual e, portanto, as amostras selecionadas não são igualmente
prováveis (FÁVERO, 2009).
3.4 Caracterização socioeconômica dos bananicultores
A técnica da análise descritiva foi empregada no estudo

proposto com o objetivo de caracterizar o perfil dos produto-
res irrigantes de banana de acordo com suas características
sociais e econômicas. Foram utilizadas análise tabular, princi-
palmente, as tabelas de distribuição de frequências (absoluta
e relativa).
A pesquisa descritiva tem como objetivo primordial a des-
crição das características de determinada população ou o es-
tabelecimento de relação entre elas, que abordam as seguintes
variáveis: (a) características do produtor (idade, escolaridade,
mão-de-obra), (b) contato com outros produtores (associativis-
mo, cooperativas e sindicatos), (c) assistência técnica, d) tecnolo-
gia (sistemas de irrigação) e e) renda bruta (rendimentos anuais
dos produtores).

3.5 Identificação dos fatores representativos do
desempenho tecnológico dos produtores de
banana do município de Iguatu, Ceará

dutores de banana do município de Iguatu no centro-sul do esta-
do do Ceará, foi empregada a análise fatorial.
O modelo matemático (conforme FÁVERO et al., 2009) da
Z11 = a11F1+a12F2+...+a1mFm+d1u1
Z21=a21F1+a22F2+...+a2mFm+d2u2
Zn=an1F1+an2F2+...+anmFm+dnun
Zj = ΣajiF1+ djuj (j = 1, 2..., n); (i = 1, 2,..., m)
Tal que:
Zj = j-ésima variável padronizada;
aji = é o coeficiente de saturação referente ao i-ésimo fator co-
mum da j-ésima variável;
Fi= é o i-ésimo fator comum;
dj = é o coeficiente de saturação referente ao j-ésimo fator especí-
uj = é o j-ésimo fator específico da j-ésima variável.
De acordo com a análise fatorial, cada fator é constituído por

uma combinação linear das variáveis originais inseridas no es-
tudo. A associação entre fatores e variáveis se dá por meio das
cargas fatoriais, podendo ser positivos ou negativos, mas nunca
superiores a um. Esses coeficientes de saturação têm função si-
milar aos coeficientes de regressão na análise de regressão (SIM-
PLICIO, 1985).
do exame da matriz de correlações para verificação da existência
de valores significativos que justifiquem a utilização da técnica.

Deve ser considerada também a normalidade dos dados para o
uso da técnica (Teorema do Limite Central).
A fim de verificar a adequabilidade dos dados para a análise
fatorial, serão utilizados o Índice Kaiser-Mayer-Olkin (KMO), o
Teste de Esfericidade de Bartlett (BTS) e a Matriz Anti-Imagem.
O procedimento utilizado na pesquisa considerará a extra-
ção dos fatores iniciais por via da Análise dos Componentes Prin-
cipais (ACP), que mostrará uma combinação linear das variáveis
observadas, de maneira a maximizar a variância total explicada.
A escolha do número de fatores foi calculado por meio do
critério da raiz latente (Critério de Kaiser) em que se escolhe o
número de fatores a reter, em função dos valores próprios aci-
ma de 1 (eigenvalues), que mostraram a variância explicada por
parte de cada fator, ou quanto cada fator conseguiu explicar da
variância total (MINGOTI, 2005).
Com a finalidade de minimizar a dificuldade de interpreta-
ção dos fatores, utilizou-se o método de rotação ortogonal Vari-
max, que minimizará o número de variáveis com altas cargas em
distintos fatores, permitindo a associação de uma variável a um
só fator, mantendo a ortogonalidade entre eles. Neste estudo,
para caracterizar o grau de desenvolvimento tecnológico dos ba-
nanicultores foram consideradas as variáveis a seguir dispostas:
1) Área irrigada, 2) Renda Bruta, 3) produção total 4) Insumos;
5) energia elétrica; 6) idade; 7) sistema de irrigação; 8) credito
agrícola; 9) veneno (defensivos agrícolas); 9) mão-de-obra per-
manente; 10) mão-de-obra não permanente; 11) projeto; 12) le-
vantamento de custos.
3.6 Cálculo do Índice Tecnológico dos Bananicul-

tores do município de Iguatu – ITB
A análise fatorial permitiu criar um índice tecnológico dos

bananicultores, com base nos escores fatoriais/fatores que mais
contribuíram para o nível de tecnologia dos produtores. O Índice
Tecnológico dos Bananicultores do município de Iguatu foi obti-
do da seguinte forma:

Em que:
ITBi = Índice Tecnológico do i-ésimo Bananicultor do município
de Iguatu
j = é a j-ésima raiz característica
p = é o número de fatores extraídos na análise
F*ij = é o j-ésimo escore fatorial do i-ésimo Bananicultor
tores extraídos

Para tornar todos os valores dos escores fatoriais F*ij supe-

drante (LEMOS, 2001), antes da elaboração do ITPB utilizando-
-se a expressão algébrica:
Em que:
F min
j
é o menor escore observado para o j-ésimo fator, e F max
j
éo
4.1 Perfil socioeconômico dos bananicultores do

município de Iguatu, Ceará
De acordo com os resultados obtidos da amostra, 93,33%

dos produtores são do sexo masculino e 6,67% são do sexo femi-
nino. Entre os quais, cerca de 5% utilizam mão de obra feminina
na produção.

A maioria dos produtores de banana de Iguatu já tem mais
de 50 anos, como pode ser vista na Tabela 2 abaixo, e apenas
23,33% fazem parte da classificação entre 30 e 50 anos. De acor-
do com a classificação de Brandao Lopes apud Monte (1999), a
idade produtiva fica no intervalo de 17 a 60 anos. Estão nessa
faixa etária 56,67% dos produtores da amostra. A maior con-
centração está na faixa de 40 a 60 anos, na qual estão 50% dos
produtores.
O elevado percentual de produtores com idade elevada – aci-
ma de 60 anos – representa uma preocupação em respeito ao
desenvolvimento, tendendo a uma redução da capacidade de agi-
lizar as mudanças no meio rural.
De acordo com a Confederação Nacional da Agricultura
(1999) é preocupante os casos em que há elevada participação
de responsáveis pelos estabelecimentos com faixa etária superior
a 60 anos, pois confirma a hipótese de que principalmente os
jovens é que migram.
Tabela 2: Frequência absoluta e relativa da idade dos

bananicultores de Iguatu-Ceará.
Frequência Frequência
Idade
Absoluta Relativa
Menor que 30 anos 1 3,33%
De 30 a 50 anos 7 23,33%
Maior que 50 anos 22 73,33%
Total 30 100,00%
Fonte: Resultados de pesquisa (2016).
Na sua maioria, os bananicultores contam com a mão-de-o-

bra contratada não-permanente. Esses produtores representam
57% da amostram como se pode ver na Tabela 3. A necessidade
de contratação de mão-de-obra além da não-permanente pode
estar relacionada ao tamanho da propriedade. Áreas maiores uti-
lizadas com a bananicultura exigem maiores quantidade de fator
mão-de-obra.

Tabela 3: Frequência absoluta e relativa do tipo de mão de obra
utilizada dos bananicultores de Iguatu, Ceará.
Tipo de mão-de-obra
Absoluta Relativa
Sem contratação 6 20%
Contratada Temporária 17 57%
Contratada Permanente 5 17%
Contratada Temporária e
2 7%
Permanente
Total 30 100%
Quanto à escolaridade, cerca de 80% dos produtores não

chegaram a ingressar no ensino médio. Os produtores analfa-
betos ou semianalfabetos correspondem a maior concentração
- 43,33% - da amostra seguida por 36,67% possuindo certificado
de nível fundamental. Apenas 20% possuem certificado de ensi-
no médio e 3% nível superior.
Tabela 4: Frequência absoluta e relativa do grau da escolaridade

dos bananicultores de Iguatu, Ceará.
Frequência Frequência Re-
Escolaridade
Absoluta lativa
Não lê nem escreve 2 6,67%
Assina o nome 8 26,67%
Lê e escreve 3 10,00%
Ensino Fundamental 11 36,67%
Ensino Médio 5 16,67%
Ensino Superior 1 3,33%
Total 30 100%
Quando analisado a participação social dos produtores,

10% da amostra pesquisada são membros de alguma instituição,

como associações, cooperativas ou sindicatos, porém nenhum
deles participa ativamente dessas instituições através de reuni-
ões, conforme pode ser observado na Tabela 5.
Tabela 5: Frequência absoluta e relativa da participação social, a

participação em reuniões e tipo de instituição dos bananicultores
de Iguatu, Ceará.
Membros de Instituições
Absoluta Relativa
SIM 3 10%
NÃO 27 90%
Tipo de Instituição
Cooperativa 2 67%
Associação 1 33%
Sindicato 0 0%
Participam de Reuniões
Sempre 0 0%
Pouco 1 33%
Não Participam 2 67%
Os resultados em relação a Tabela 5 acima são preocupantes,

pois mostra que os produtores não percebem tais instituições como
capazes de lhes proporcionar alguma forma de engrandecimento
produtivo ou pessoal. Esses dados revelam que a cultura da
bananicultura no Iguatu, no que remete à participação social,
encontra-se muito abaixo dos patamares da agricultura brasileira,
de acordo com estudos feitos pela CNA (1999), 35,09% dos
agricultores do Brasil participam de cooperativas de produção e
38,02% de sindicatos de sua categoria.
A experiência dos bananicultores foi mensurada pelos
anos que cada produtor tem na produção de atividade irri-
gada. Todos os bananicultores se dedicam a irrigação a mais
de 6 anos, o que demonstra um bom conhecimento na agri-
cultura irrigada.

Pela Tabela 6 que mostra os tipos de sistemas de irrigação
utilizados na cultura, observa-se que existe uma predominân-
cia com 60% a Inundação, vindo em seguida o sistema de Micro
Aspersão com 23% e Gotejamento com 17%. Estas informações
mostram que os bananicultores, em sua maioria, utilizam técni-
cas pouco poupadoras de água.
Tabela 6: Sistemas de irrigação utilizados na produção da

banana no município de Iguatu, Ceará.
Sistema de Irrigação
Absoluta Relativa
Inundação 18 60%
Micro Aspersão 7 23%
Gotejamento 5 17%
Total 30 100%
Em conjunto, os 30 fruticultores geraram uma renda bruta

média oriunda da bananicultura por hectare no ano de 2015 de
R$ 18.245,16. Entretanto há grandes disparidades quanto ao ní-
vel de renda. Com renda anual de até R$ 20.000,00 encontra-se
37% dos produtores, com renda bruta oriunda da bananicultura
estão 23% acima de R$100.000 ao ano.
Tabela 7: Renda bruta anual oriunda da bananicultura do
município de Iguatu, Ceará.
Renda Bruta Anual
Absoluta Relativa
Até R$20.000 11 37%
De R$20.000 a R$ 40.000 6 20%
De R$40.000 a R$ 60.000 3 10%
De R$60.000 a R$80.000 1 3%
De R$80.000 a R$100.000 2 7%
Maior que R$100.000 7 23%
Total 30 100%

O nível de renda elevado, observado em alguns casos, relaciona-
-se ao considerado percentual de produtores que desenvolvem téc-
nicas apropriadas, assim como a quantidade de hectares plantados.
4.2 Identificação e analise do desempenho tecno-

lógico dos produtores banana
Com o intuito de verificar a coesão dos dados coletados, foi

calculado o teste de Kaiser-Mayser-Okin (KMO). Assim, conside-
rando-se a distribuição dos dados, o KMO revelou valor de 0,731.
Indicando que os dados são consistentes. O teste de Esfericidade
de Bartlett indicou valor de 213,51, sendo considerado elevado
para garantir que a matriz de correlações não é uma matriz iden-
tidade, ao nível de significância 1%.
Com o uso da analise fatorial, pelo método da analise dos
componentes principais, foram obtidos 3 fatores característicos,
com auto-valores maiores do que 1, considerando o critério da
raiz latente, conforme Tabela 8.
Com o objetivo de representar um total de variáveis originais
em um numero menor possível de variáveis, a fim de explicar a
tecnologia adotada pelos produtores de bananas, optou-se por
trabalhar com três fatores, considerando-se que o Fator 1 possui
raiz de 5,611, Fator 2 tem raiz 2,040 e Fator 3 com raiz caracterís-
tica de 1,526 indicando que todos os fatores atenderam a exigên-
cia da metodologia de apresentar raízes latentes maiores do que
1 e que, em conjunto, explicam 70,594% da variância total dos 13
indicadores de adoção de tecnologia dos produtores de banana.

variância total explicada pela analise fatorial.
Raiz Variância Explicada Variância Acu-
Fator
Característica pelo fator % mulada %
1 5,611 43,164 43,164

2 2,040 15,695 58,859
3 1,526 11,735 70,594

Conforme a Tabela 9 observa-se as cargas fatoriais ou coe-
ficientes de correlação após a rotação dos fatores de adoção de
tecnologia e suas respectivas comunalidades. Admite-se que os
valores acima de 0,5 (em negrito) indicam intensa associação en-
tre a variável e o fator.

tecnologia obtidos na análise fatorial.
Comunali-
Variáveis F1 F2 F3
dades
X1- Área Irrigada 0.080 0.103 -0.726 0.544
X2 – Renda Bruta 0.879 0.025 0.293 0.858
X3 – Produção Total 0.858 -0.189 0.338 0.887
X4 – Insumos 0.940 0.047 0.144 0.906
X5 – Energia 0.895 -0.096 0.19 0.847
X6 – Idade 0.051 -0.897 -0.001 0.807
X7 – Sistema de Irrigação -0.132 -0.028 -0.718 0.534
X8 – Crédito Agrícola 0.226 0.369 0.47 0.408
X9 – Veneno 0.337 -0.389 0.467 0.483
X10 – Mão de Obra Perma-
0.956 -0.068 -0.015 0.919
nente
X11 – Mão de Obra não Per-
-0.219 0.763 -0.136 0.649
manente
X12 – Fez Projeto 0.553 0.566 0.320 0.729
X13 - Levantamento de
0.747 0.017 -0.216 0.605
Custos
O primeiro fator (F1) esta correlacionado com X2 (Renda

Bruta), X3 (Produção Total), X4 (Insumos), X5 (Energia), X10
(Mão de Obra Permanente), X12 (Fez Projeto) e X13 (Levanta-
mento de Custos).
O segundo fator (F2), possui correlação com as variáveis
X6 (Idade), X11 (Mão de Obra Não permanente) e X12 (Fez
Projeto).

Analisando o fator (F3), observa-se que este intensamente
ligado com as variáveis X1 (Área Irrigada) e X7 (Sistemas de
Irrigação).
4.3 Classificação dos bananicultores do município

de Iguatu, Ceará segundo o Índice Tecnológico.
Por meio da análise fatorial, foram obtidos os escores
fatoriais extraídos pelo método de extração Varimax, pro-
cedeu-se a elaboração do Índice Tecnológico para os 30 pro-
dutores de banana pesquisados no período de 2016. Em se-
guida, foi feita a padronização do índice de forma que ele
pudesse variar de zero a um. Quanto mais próximo de um,
melhores são os níveis tecnológicos desenvolvidos pelos pro-
dutores de banana.
De acordo com a Tabela 10 foram obtidas cinco classes para
a classificação do Índice Tecnológico dos Bananicultores (ITB).
Para os índices classificados como muito baixo variando em
um intervalo de 0 a 0,20, foram classificados onze produtores
correspondendo a uma frequência relativa de 36,67%; quinze
produtores foram considerados com um nível tecnológico baixo
variando entre 0,21 a 0,35 correspondendo a uma frequência
relativa de 50%; três produtores são considerados com índice
médio que varia entre 0,37 a 0,54 com frequência relativa de
10% e apenas um produtor foi caracterizado com um índice
considerado muito alto variando entre 0,79 a 1,00, com frequ-
ência relativa de 3,33%.
Cabe salientar que de acordo com o índice proposto não foi
classificado nenhum produtor com o índice tecnológico alto.

Tabela 10: Índice tecnológico, número de produtores, segundo
os grupos do índice de adoção de tecnologia dos bananicultores
do município de Iguatu, Ceará.
Grupos ITB
produtores Relativa
1- Muito baixo 0 - 0,20 11 36.67%
2- Baixo 0,21-0,35 15 50.00%
3- Médio 0,37-0,54 3 10.00%
4- Alto 0,62-0,78 0 0.00%
5- Muito Alto 0,79-1,00 1 3.33%
Informações válidas – 30 100.00%
As variáveis que mais se destacaram na determinação do

nível tecnológico do referido índice foram: X10 (mão de obra
permanente), X4 (insumos), X5 (Energia), X2 (renda bruta), X3
(produção total), X13 (levantamento de custos) e X12 (fez pro-
jeto), variáveis advindas do Fator 1, respectivamente, pois o F1
obteve a maior variância dos dados com 43,16% de representa-
tividade, indicando que esse fator e as variáveis que o compõem
representa o uso voltado tecnologia na produção.
Conforme análise dos dados percebe-se que os produtores

do município de Iguatu apresentam uma idade avançada e uma
baixa escolaridade, além de um percentual mínimo na participa-
ção de atividades cooperativas, prejudicando sua capacidade de
inovação tecnológica.
Existe uma carência quanto ao poder público para dá as-
sistência aos bananicultores do município de Iguatu. Quando
analisado a tomada de decisões, ficou constatado que a escassa
assistência técnica recebida pelos irrigantes e sua pouquíssima
frequência ajudam a explicar porque são os proprietários sozi-
nhos que decidem o quanto produzir em sua propriedade. Tal

informação vem confirmar um dos graves problemas que entra-
vam não só o desenvolvimento da agricultura Iguatuense e sim
de todo o Nordeste, que é a falta de planejamento das atividades,
pois apenas uma insignificante percentagem dos produtores obe-
dece a um plano de exploração.
Foi constado que a última capacitação dos produtores en-
trevistados já tem mais de uma década e que não foram todos
que tiveram esse treinamento, déficit este acoplado também a
ineficiência dos órgãos responsáveis pela assistência e falta de
cooperativas e associações.
Os dados mostram que dos 30 bananicultores que foram
analisados com o intuito de criar o índice tecnológico dos pro-
dutores do município de Iguatu no estado do Ceará, 11 deles
estão na categoria muito baixo, 15 na categoria baixo, 3 na ca-
tegoria médio e apenas 1 produtor caracterizado com um índice
de muito alto.
Os baixos índices tecnológicos dos produtores podem ser expli-
cados por diversos fatores, como já foi destacado para que se possa
praticar uma cultura irrigada no caso desta pesquisa a bananicul-
tura, tem que haver investimento em tecnologia e capacitação dos
produtores, assistência técnica por meio dos órgãos competentes.
Outra característica dos produtores com baixos índices é a
falta de capital de giro, linhas de credito apropriadas ao perfil dos
produtores de pequeno e médio porte.
Historicamente o município de Iguatu obteve destaque na
produção de algodão e arroz, destacando-se na região, porem
com problemas de pragas a cultura do algodão foi deixada de
lado, mas tarde a cultura do arroz também perdeu espaço devido
ao problema da disponibilidade de água para esta atividade.
Atualmente Iguatu tem potencialidade na fruticultura irri-
gada, no último levantamento havia mais de 100 produtores de
banana no município. Analisando o índice construído e por meio
de visitas feitas a esses produtores de banana no momento da
aplicação dos questionários, é visível a precariedade dos produ-
tores em relação às técnicas de irrigação utilizada, dos 30 pro-
dutores analisados 60% ainda utilizam o sistema de inundação

que é um sistema não poupador de agua, 23% micro aspersão e
apenas 17% fazem uso do sistema de gotejamento, sistema esse
que é eficiente no uso da agua.
Com todas as adversidades que os produtores enfrentam, as
que influenciam diretamente na não adoção de novas práticas tec-
nológicas são a falta de linhas de crédito como já foi destacado e a
assistência dos órgãos competente em destaque para a EMATERCE
e a Secretaria de Agricultura do Município, que não vem
desempenhando um papel adequado de apoio a esses produtores.
Convém ressaltar e sugerir políticas fiscalizadoras e que me-
lhorem o nível de escolaridade dos bananicultores de Iguatu, já
que tais políticas elevam não somente o nível de educação formal
dos produtores, como também, ampliam seu poder de percep-
ção, aprendizado e nível socioeconômico e tecnológico.
REFERÊNCIAS
A irrigação no Brasil: situação e diretrizes/ Ministério da

Integração Nacional – Brasilia: IICA, 2008.
ADECE – Agência de Desenvolvimento do Estado do Ceará. Perfil
da produção de frutas Brasil, Ceará. Governado do Estado do
Ceará. Conselho de Desenvolvimento Econômico, 2013.
ANDRADE, José Alessandro Campos de. Análise da produção
de banana orgânica no Município de Itapajé – Ceará, Bra-
sil. (Dissertação Mestrado em Desenvolvimento e Meio Ambiente)
- Universidade Federal do Ceará, Fortaleza, 103 f., 2005.
BANCO DO NORDESTE. A importância do agronegócio da ir-
rigação para o desenvolvimento do Nordeste. Francisco Ma-
vignier Cavalcante França. (coord.). Fortaleza: Banco do Nordeste,
200l.
BRASIL. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍS-
TICA. Produção Agricola Municipal: Lavoura permanente.
2015. Disponível em: <http://www.cidades.ibge.gov.br/xtras/per-
fil.php?lang=&codmun=230550&search=ceara|iguatu|infografi-
cos:-informacoes-completas>. Acesso em: 1 Mar. 2016.

CARDOSO, C.E.L. Competitividade e inovação tecnológica
na cadeia agroindustrial de fécula de mandioca no Brasil.
– ESALQ/USP. Piracicaba – SP, 2003, 188 p. (Tese de Doutorado).
CAMPOS, Robério T.; GONÇALVES, J. Eduardo. Panorama geral
da fruticultura brasileira: desafios e perspectivas. In: CONGRESSO
BRASILEIRO DE ECONOMIA E SOCIOLOGIA RURAL, 40, Passo
Fundo, 2002. Passo Fundo. Anais... Passo Fundo: SOBER, 2002.
CONFEDERAÇÃO NACIONAL DA AGRICULTURA (CNA)/FUN-
DAÇÃO GETÚLIO VARGAS (FGV). Um perfil do agricultor
brasileiro: suas principais tendências e implicações para o
treinamento dos pequenos proprietários e trabalhadores
rurais. Brasília: CNA, 1999. 48p. (Coletânea estudos Gleba, 9).
FÁVERO et al.. Analise de Dados: Modelagem Multivaria-
da para Tomada de Decisões. Editora Campus. Rio de Janeiro,
2009.
GOMES, Otácio Pereira. Perfil socioeconômico e tecnológico
de produtores de fruticultura irrigada na região do Ca-
riri, Ceará. Universidade Federal do Ceará, Centro de Ciências
Agrárias-CCA (Dissertação de Mestrado). Departamento de Eco-
nomia Agrícola, Programa de Pós-Graduação em Economia Rural,
2015, 77p.
2005. 5ª ed. p.89-126; 380- 419.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATISTICA –
IBGE. IBGE Cidades 2016. Disponível em: 31/03/2016 http://
cidades.ibge.gov.br/xtras/perfil.php?lang=&codmun=230550&se-
arch=ceara|iguatu.
LEMOS, J. J. S. Indicadores de degradação no Nordeste Sub-úmi-
do e Semi-árido. In: CONGRESSO BRASILEIRO DE ECONOMIA
E SOCIOLOGIA RURAL, 34, 2001, Brasília, DF. Anais... Brasília,
DF: SOBER, 2001. p.1-10.

MINGOTI, S. A. Análise de dados através de métodos de es-
tatística multivariada: uma abordagem aplicada. Belo Horizon-
te: UFMG, 2005.p. 99-138.
MONTE, F. S. de S. Efeitos da implantação do complexo in-
dustrial e portuário do Pecém-CE na qualidade de vida das
famílias rurais da região – o caso do reassentamento Cam-
beba: 1999. 144f. (Dissertação de mestrado em Economia Rural)
– UFC/CCA/DEA, Fortaleza, 1999.
PENSA. Desenvolvimento da cadeia produtiva de irrigação
no Brasil. São Paulo, 2010. 177.
REIS, E. Estatística multivariada. 2. Ed. Lisboa: Sílabo, 2001.
SENA, José Vladimir Cardoso. Aspectos da produção e mercado da
banana no nordeste. Informe Rural Etene. S.i. Jun. 2011.
SIMPLÍCIO, T. A. Caracterização socioeconômica do desen-
volvimento do setor rural do Nordeste brasileiro. Universi-
dade Federal do Ceará – UFC, Fortaleza - CE, 1985. 99 p. (Disserta-
ção de Mestrado).
SOUSA, Eliane Pinheiro de. Impactos da formação espacial
dos preços na competitividade relativa da fruticultura ir-
rigada do estado do Ceará. 2010. 133 f. Tese (Doutorado) - Cur-
so de Economia Aplicada, Universidade Federal de Viçosa, Viçosa,
MG, 2010.
SOUSA, E. P.; JUSTO, W. R.; CAMPOS, A. C. Desempenho compe-
titivo dos fruticultores cearenses em diferentes áreas irrigadas. Re-
vista Econômica do Nordeste. Fortaleza, v. 41, n. 1, p. 153-166,
2013.
SOUZA, Luciano da Silva; VIERA NETO, Raul Dantas. Cultivo
da Banana para o Ecossistema dos Tabuleiros Costeiros.
2003. Disponível em: <https://sistemasdeproducao.cnptia.embra-
pa.br/FontesHTML/Banana/BananaTabCosteiros/index.htm>.
Acesso em: 1 Mar. 2016.
TARSITANO, M. A. A. A modernização e a desconcentração da terra
da agricultura mato-grossense: 1970/85. Revista de Economia
Política, vol. 12, nº 04: p. 28–37, 1992.

C apítulo 7
NÍVEL TECNOLÓGICO E SEUS
DETERMINANTES NA MICRORREGIÃO
IGUATU NO ESTADO DO CEARÁ
Domingos Isaias Maia Amorim40

Francisco Rômulo Almeida de Oliveira41
Marcelo Ximenes Teles da Roza43
RESUMO
O trabalho tem como objetivo analisar o perfil socioeconômi-

co e tecnológico dos fruticultores da Microrregião Iguatu, a fim
de identificar as características e peculiaridades dos produtores
de frutas da região. A criação do índice tecnológico dos produ-
tores permite que se identifique os níveis de tecnologia que são
usados, e se estes são os mais adequados. Os dados para a cons-
trução do índice e a análise do perfil socioeconômico advêm de
fonte primaria por meio de aplicação de questionários junto aos
produtores de dois municípios que fazem parte da microrregião
Iguatu – a saber – Iguatu e Icó. A metodologia utilizada para a
construção do índice foi a análise fatorial que identifica os fato-
40
ri, Campus Iguatu, Ceará. Bolsista de Apoio Técnico – BAT/URCA. E-mail:
[email protected]
41
ri, Campus Iguatu, Ceará. Bolsista de Apoio Técnico – BAT/URCA. E-mail:
[email protected]
42
Mestre em Economia Rural – MAER/UFC. Professor de graduação pela
Universidade Regional do Cariri – URCA, campus Iguatu. E-mail: otacio-
[email protected]
43
Mestre em Economia Rural – MAER/UFC. Professor de graduação pela
Universidade Regional do Cariri – URCA, campus Iguatu. E-mail: marcelo-
[email protected]

res representativos do desempenho tecnológico dos produtores
de frutas e utilizou-se regressão quantílica afim de identificar
quais variáveis são influentes para os níveis tecnológicos. Os re-
sultados obtidos em relação ao perfil dos produtores mostram
que 72% possuem idade acima de 50 anos, 22% entre 30 e 50
anos e apenas 5,56% com idade menor que 30 anos. A mão-de-
-obra contratada é de grande maioria temporária chegando a
55,56%. Com relação ao nível de instrução dos produtores 5,56%
deles não lê nem escrevem, 22,22% assinam o nome, 13,89% lê
e escreve, 38,89% obteve ensino fundamental completo e apenas
19,44% com ensino médio completo. Se tratando de participação
em sindicatos, cooperativas ou associações 22,22% são membros
de alguma dessas instituições, porém não participam das reuni-
ões frequentemente. Em relação a análise do índice tecnológico,
constata-se que 41,67% dos produtores foram classificados com
um índice muito baixo, 55,56% classificados como baixos, 2,78%
como médio e 2,78% como alto. A seguir foi feita a análise dos
fatores determinantes do nível tecnológico dos fruticultores por
meio da regressão quantílica para os quantis 10 e 90, com intuito
de captar a influência de determinadas variáveis ao longo de toda
a distribuição condicional. Para o grupo de fruticultores com me-
nores níveis tecnológicos, indicados pelo quantil 10, observa-se
que entre as nove variáveis explicativas todas são importantes
para explicação dos níveis tecnológicos, visto que foram signi-
ficantes a 1%. Com relação aos fruticultores que fazem parte do
grupo que dispõe de maiores níveis tecnológicos representados
pelo quantil 90, também se verifica todos os coeficientes signifi-
cativos a 1%. Aferindo o grupo de produtores de menores níveis
tecnológicos, o parâmetro da variável planejamento (dummy)
mostrou-se significante para este grupo, isto significa que o nível
tecnológico tende a crescer pelo fato do fruticultor fazer planeja-
mento. O mesmo pode-se dizer do coeficiente da variável esco-
laridade (dummy), mostrando que maiores níveis educacionais
levam a adoção de melhores práticas agrícolas relacionadas à
tecnologia. A assistência técnica (dummy) contribui de forma
significativa para melhorias nos níveis tecnológicos para os pro-

dutores de menores níveis tecnológicos. Quanto ao grupo dos
produtores com maiores níveis tecnológicos representados pelo
quantil 90, constata-se que todas as variáveis são importantes
para explicar o nível tecnológico dos fruticultores da microrre-
gião Iguatu, Ceará.
Palavras-chave: microrregião Iguatu; fruticultores; tecnolo-
gia; regressão quantílica.
1 INTRODUÇÃO
A produção agrícola desempenha um papel de grande im-

portância na economia brasileira, proporcionando a geração de
emprego e renda, assim como a produção e distribuição de in-
sumos e produtos. Essa atividade está espacialmente distribuída
em todo o território nacional, gerando empregos diretos e indi-
retos, contemplando uma grande parte da mão de obra agrícola
do país.
De acordo com A irrigação no Brasil Situação e Diretrizes
(2008, p. 8), “o primeiro projeto de irrigação no Brasil começou
indiretamente em 1881 no Rio Grande do Sul, com construção
de reservatório Cadro para permitir o suprimento de agua a ser
utilizado na lavoura de arroz”.
Segundo Nóbrega (1985, p. 134), “a irrigação não é apenas
uma forma de viabilizar a agricultura em áreas deprimidas do
Nordeste, é, sobretudo um caminho para evitar o indesejável
êxodo rural que decorre do progressivo empobrecimento relati-
vo dessas áreas”. Assim sendo, agricultura irrigada surgiu como
uma forma de viabilizar e promover o desenvolvimento de áreas
deprimidas pela escassez de recursos hídricos.
De acordo com os documentos do Banco do Nordeste (2001,
p. 45), “no Brasil, a produção por meio de cultivos irrigados é
relativamente recente”. A sua evolução ocorreu em quatro fases.
Na primeira fase, ocorrida na metade da década de 1960, a irri-
gação desenvolveu-se por meio de ações isoladas, dirigidas para
alvos específicos, em termos setoriais e espaciais sem a estrutura
de políticas ou de programas nacionais.

A segunda fase ocorreu entre o final dos anos 1960 e na me-
tade da década de 1980. Esse período foi marcado pela criação
do Grupo de Estudos Integrados de irrigação e Desenvolvimento
Agrícola (GEIDA), cujas características destaca-se na busca da
ampliação do conhecimentos global sobre os recursos naturais
disponíveis e pela implementação de programas nacionais, como
o Programa Plurianual de Irrigação (PPI), em 1969, e o Programa
de Integração Nacional (PIN), em 1970.
A terceira fase da irrigação no Brasil tem por marco o
Programa Nacional de Irrigação (PRONI) e o Programa de
Irrigação do Nordeste (PROINE), ambos datam do ano de
1986. A quarta fase ocorreu em 1995, quando se percebeu
então que as várias inciativas tomadas a implementação da
irrigação no Brasil no século XX deveriam ser submetidas a
uma nova orientação a partir daquele ano, buscando, assim,
um novo direcionamento para a Política Nacional de Irriga-
ção e Drenagem.
O Brasil possui pequenas áreas irrigadas, sendo que suas
causas podem estar associadas à: pouca ênfase em políticas pú-
blicas de estímulo à agricultura irrigada; desarticulação entre os
órgãos envolvidos com a irrigação; instabilidade da legislação
ambiental e de recursos hídricos, levando à insegurança na con-
tinuidade da atividade agrícola irrigada; desinformação quanto à
disponibilidade de crédito para a irrigação e dificuldade de aces-
so, sobretudo em agentes privados; altos custos de energia; baixa
organização dos produtores e das cadeias dos produtos oriundos
da agricultura irrigada; falta de uma melhor qualificação técni-
ca de parte dos agentes de comercialização de equipamentos de
irrigação, transferência de tecnologia e assistência técnica inefi-
ciente, dada a complexidade dos sistemas de produção irrigados
(PENSA, 2010).
A produção mundial de frutas é de 609,2 milhões de tonela-
das e o Brasil é o 3° produtor mundial, atrás apenas de China e
da Índia, de acordo com os dados da FAO (2010). Os dez maiores
produtores mundiais são responsáveis por pouco mais de 60% da
produção total (FAO 2010 apud ADECE, 2013).

A implementação da irrigação mecanizada no Estado do
Ceará, com vastas áreas irrigadas, possibilitaram a produ-
ção de frutas tropicais em qualquer época do ano, tanto no
período de estiagem quanto no chuvoso (daí os perímetros
irrigados, tais como Jaguaribe – Apodi, Curu Paraipaba),
isto vem viabilizando os altos índices de produtividade de
frutas cultivadas no Estado, já a partir da década de 1990
(ANDRADE, 2005).
Segundo a ADECE (2013) em 2011 o estado do Ceará se en-
contra na quarta posição do ranking nacional de produtores de
frutas frescas e em terceiro lugar em exportação, ficando atrás
apenas de São Paulo, Bahia e Rio Grande do sul.
De acordo com Souza (2010), é relevante destacar os fato-
res que dão competitividade ao estado do Ceará, tais como po-
sição estratégica com portos e aeroportos próximos aos merca-
dos mundiais, condições climáticas favoráveis à fruticultura com
temperaturas elevadas, reduzindo o aparecimento de pragas, fa-
vorecendo assim a qualidade do produto e uma maior quantida-
de de colheitas ao ano.
O Centro-Sul do estado do Ceará em particular a Microrre-
gião Iguatu também possui potencial para a fruticultura irrigada,
com abundância de terras férteis e recursos hídricos, proporcio-
nando aos produtores um desenvolvimento da atividade, recon-
figurando a realidade das famílias que ali residem.
Com todas as características vantajosas para a produção
de frutas nessa região, é de suma importância identificar as
suas potencialidades e peculiaridades da produção de frutas
de modo a promover a atividade, assistência através de políti-
cas públicas e investimentos privados para a maximização das
vantagens dessa produção agrícola, proporcionando a geração
de emprego e renda para a região. Justifica-se assim a análise
da fruticultura, na Microrregião Iguatu no Centro-Sul do Es-
tado do Ceará, pois o sistema produtivo adotado ainda carece
de adoção de tecnologias adaptadas como meios de viabilizar
a atividade às condições edafoclimáticas dessa área de elevado
potencial de produção no Estado.

Desta forma, faz-se necessário examinar a fruticultura como
modo de produção para os produtores irrigantes, constituindo-se
numa fonte de renda para os produtores, assim como absorvedora
de mão de obra no meio rural. Para tanto, é necessário antes de tudo
que as propostas tecnológicas sejam geradas, divulgadas, adotadas
e testadas sob ponto de vista agronômico e econômico, inclusive
quanto aos mais diversos aspectos, para só assim ser incentivada
sua produção em escala mais ampla. Assim sendo, o presente es-
tudo objetivou analisar o perfil socioeconômico e tecnológico dos
produtores de frutas da microrregião Iguatu no Estado do Ceará.
Caracterizada desde os seus primórdios como heterogênea,

a agricultura brasileira tem em sua estrutura uma concentração
no que concerne à utilização de tecnologias, e sendo diversos os
motivos para seu emprego ou não no panorama agrícola do País.
Desigualdade essa não condicionada somente ao acesso à tecno-
logia, mas também à dificuldade de acesso aos mercados, à capa-
cidade de geração de renda, entre outras.
Há um beneficiamento na economia como um todo, quando
existe a adoção de modernas tecnologias sobre a produção, ele-
vando os níveis de produtividade, em todos os setores, agrícolas ou
não agrícolas. Porém, o problema encontrado é que essa tecnolo-
gia não conseguiu se difundir de maneira uniforma entre todos os
produtores nem com a mesma rapidez e intensidade que necessi-
taria para que pudesse promover elevações na produção agrícola.
Ganhos de produtividade refletem-se na redução dos pre-
ços dos produtos agrícolas, tornando-os, no longo prazo, mais
acessíveis à população. Além disso, embora vários sejam os fa-
tores que contribuem para elevar a competitividade de determi-
nado setor ou atividade, os investimentos em tecnologia cons-
tituem, certamente, um de seus determinantes fundamentais
(CARDOSO, 2003).
É importante frisar que, dada à importância da adoção de
tecnologia, ela é apenas parte de um processo de produção, assim,

sendo capaz de influenciar um conjunto de fatores específicos
que podem desregular ou até mesmo inviabilizar a adoção para
alguns grupos de produtores.
Questões relativas à eficiência constantemente são inves-
tigadas por tomadores de decisões, sobretudo quando se tra-
ta de ambientes competitivos e dinâmicos. A identificação do
verdadeiro potencial de expansão da produção e as alterações
na eficiência, no progresso tecnológico e na produtividade, ao
longo do tempo, são condições necessárias para formulação de
políticas econômicas coerentes com as necessidades dos seto-
res analisados (GOMES; BAPTISTA, 2004; SOUSA; JUSTO;
CAMPOS, 2013).
Devido ao intenso processo tecnológico, ao inserir melhores
práticas de cultivo ao campo, os produtores são induzidos a ter a
maior compreensão das tecnologias para melhor manusearem os
equipamentos. Com esse, mostra-se o quão é importante o papel
da educação dos gastos públicos em pesquisa, garantindo ganhos
na produtividade agrícola.
Na promoção da modernização tecnológica da agricultu-
ra, Schultz (1965, pág. 43) enfatizou “a necessidade de me-
lhorias na educação, de investimentos em pesquisa e nos ser-
viços de assistência técnica. Esses investimentos, segundo o
autor, têm papel primordial para tornar o uso de tecnologia
mais acessível e próximo do agricultor”. E o mesmo autor
complementa, ainda, expressando que, “apesar dos resulta-
dos favoráveis, a distância entre o conhecimento tecnológico
disponibilizado nos serviços de pesquisa e de extensão rural
e o seu emprego por parte da maioria dos produtores rurais
é muito grande”.
Na realidade, o que se observa é a falta de elementos práti-
cos e modernos, capazes de minimizar esse distanciamento e que
venham efetivamente beneficiar o maior usuário, que é o pro-
dutor rural, do que apenas estudos associados ao problema sem
nenhuma ação que possa lhe beneficiar. Assim, as considerações
até aqui procedidas, fica evidente a importância do uso de meios
mais sofisticados, como é a tecnologia de produção, com senti-

do do produtor auferir renda relevante da implementação do re-
curso tecnológico, mantendo-o sempre competitivo no mercado
onde atua.
Conforme Silva (1995), a influência das inovações tecnológi-
cas na produtividade dos fatores de produção vem sendo analisa-
da por diversas escolas do pensamento econômico.
Para Smith e Ricardo, o estado estacionário ocorre antes que
a sociedade atinja um nível de vida suficientemente elevado e an-
tes que a extinção da miséria de grande parte da população tenha
ocorrido. Stuart Mill pensava o contrário: acreditava que o estado
estacionário só ocorreria quando o conjunto da sociedade tivesse
maximizado o nível de bem-estar, pois o progresso tecnológico pro-
porcionaria o deslocamento do estado estacionário para um futuro
remoto, e quando isso ocorresse, todos já teriam atingido elevado
padrão de vida. Para o mesmo, o aperfeiçoamento da agricultura
mostrava-se fundamental para o desenvolvimento econômico, pois
barateava os produtos agrícolas e reduzia os custos dos insumos de
origem agrícola utilizados pela indústria, e essas inovações pode-
riam ser poupadoras de trabalho ou de terra (BRUE, 2005).
3 METODOLOGIA
3.1 Apresentação da Área Geográfica do Estudo
Localizada no Centro-sul do estado do Ceará, a microrre-

gião Iguatu situa-se dentro da mesorregião Centro-sul e é com-
posta por 5 municípios – Iguatu, Icó, Cedro, Orós e Quixelô
– (IBGE) A pesquisa foi realizada em 2 municípios da microrre-
gião, Iguatu e Icó devido as suas representatividades na produ-
ção de fruta na região.
3.2 Natureza e fonte dos dados
Para obtenção das informações empregadas no estudo, se-

rão utilizados dados primários, obtidos através da aplicação de

questionários junto aos fruticultores, visando obter uma carac-
terização social, econômica e tecnológica desses produtores. O
levantamento dos dados ocorreu entre os meses de Janeiro e Fe-
vereiro de 2016.
3.3 População e Amostra
A pesquisa foi realizada por processo de amostragem não-

-probabilística por conveniência, levando em conta a população
de produtores que exploram a fruticultura irrigada na microrre-
gião Iguatu, Ceará.
Nos métodos de amostragem não-probabilística, as amos-
tras são obtidas de forma não-aleatórias, ou seja, a probabilida-
de de cada elemento da população fazer parte da amostra não é
igual e, portanto, as amostras selecionadas não são igualmente
prováveis (FÁVERO, 2009).
3.4 Caracterização socioeconômica dos fruticultores
A técnica da análise descritiva foi empregada no estudo

proposto com o objetivo de caracterizar o perfil dos produ-
tores irrigantes de frutas de acordo com suas características
sociais e econômicas. Foram utilizadas análise tabular, princi-
palmente, as tabelas de distribuição de frequências (absoluta
e relativa).
A pesquisa descritiva tem como objetivo primordial a des-
crição das características de determinada população ou o es-
tabelecimento de relação entre elas, que abordam as seguintes
variáveis: (a) características do produtor (idade, escolaridade,
mão-de-obra), (b) contato com outros produtores (associativis-
mo, cooperativas e sindicatos), (c) tecnologia (sistemas de irriga-
ção) e d) renda bruta (rendimentos anuais dos produtores).

3.5 Identificação dos fatores representativos do
desempenho tecnológico dos produtores de
frutas da microrregião Iguatu, Ceará

dutores de frutas da microrregião Iguatu no centro-sul do estado
do Ceará, foi empregada a análise fatorial.
O modelo matemático (conforme FÁVERO et al., 2009) da
Z11 = a11F1 + a12F12 +...+ a1mFm + d1u1
Z21 = a21F1 + a22F2 +...+ a2mFm + d2u2
Zn = an1F1 + an2F2 + ...+ anmFm + dnun

Zj = ΣajiF1 + djuj (j = 1, 2, ..., n); (i = 1, 2, ..., m)
Tal que:
Zj = j-ésima variável padronizada;
aij = é o coeficiente de saturação referente ao i-ésimo fator co-
mum da j-ésima variável;
Fi = é o i-ésimo fator comum;
dj = é o coeficiente de saturação referente ao j-ésimo fator especí-
uj= é o j-ésimo fator específico da j-ésima variável.
De acordo com a análise fatorial, cada fator é constituído
por uma combinação linear das variáveis originais inseridas no
estudo. A associação entre fatores e variáveis se dá por meio das
cargas fatoriais, podendo ser positivos ou negativos, mas nun-
ca superiores a um. Esses coeficientes de saturação têm função
similar aos coeficientes de regressão na análise de regressão
(SIMPLICIO, 1985).
do exame da matriz de correlações para verificação da existência

de valores significativos que justifiquem a utilização da técnica.
Deve ser considerada também a normalidade dos dados para o
uso da técnica (Teorema do Limite Central).
A fim de verificar a adequabilidade dos dados para a análise
fatorial, serão utilizados o Índice Kaiser-Mayer-Olkin (KMO), o
Teste de Esfericidade de Bartlett (BTS) e a Matriz Anti-Imagem.
O procedimento utilizado na pesquisa considerará a ex-
tração dos fatores iniciais por via da Análise dos Componentes
Principais (ACP), que mostrará uma combinação linear das va-
riáveis observadas, de maneira a maximizar a variância total
explicada.
A escolha do número de fatores foi calculado por meio do
critério da raiz latente (Critério de Kaiser) em que se escolhe o
número de fatores a reter, em função dos valores próprios aci-
ma de 1 (eigenvalues), que mostraram a variância explicada por
parte de cada fator, ou quanto cada fator conseguiu explicar da
variância total (MINGOTI, 2005).
Com a finalidade de minimizar a dificuldade de interpreta-
ção dos fatores, utilizou-se o método de rotação ortogonal Va-
rimax, que minimizará o número de variáveis com altas cargas
em distintos fatores, permitindo a associação de uma variável a
um só fator, mantendo a ortogonalidade entre eles. Neste estu-
do, para caracterizar o grau de desenvolvimento tecnológico dos
fruticultores foram consideradas as variáveis a seguir dispostas:
1) Área Irrigada; 2) Renda Bruta; 3) Produção Total; 4) Insumos;
5) Energia Elétrica; 6) Mão-de-obra permanente; 7) Sistema de
Irrigação; 8) Projeto; 9) Município; 10) Planejamento; 11) Venda
de produtos no mercado.
3.6 Cálculo do Índice Tecnológico dos Fruticultores

da Microrregião Iguatu – ITF
A análise fatorial permitiu criar um índice tecnológico dos

fruticultores, com base nos escores fatoriais/fatores que mais
contribuíram para o nível de tecnologia dos produtores. O Índice

Tecnológico dos Fruticultores da microrregião Iguatu foi obtido
da seguinte forma:
Em que:
ITFi = Índice Tecnológico do i-ésimo fruticultor da microrregião
Iguatu
j = é a j-ésima raiz característica
p = é o número de fatores extraídos na análise
F *ij= é o j-ésimo escore fatorial do i-ésimo fruticultor
tores extraídos
Para tornar todos os valores dos escores fatoriais F *ij supe-
drante (LEMOS, 2001), antes da elaboração do ITF utilizando-se
a expressão algébrica:
Em que:
F min
j
é o menor escore observado para o j-ésimo fator, e F max
j
éo
3.7 Regressão Quantílica
Para identificar os fatores que influenciam o nível tecnoló-

gico desses produtores de frutas, empregou-se o modelo de re-
gressão quantílica, proposto, a princípio, por Koenker e Bassett
(1978).
De acordo com esses autores, esse método contém vanta-
gens em relação ao Modelo dos Mínimos Quadrados Ordiná-
rios (M.Q.O) pelo fato de possibilitar a caracterização de toda

distribuição condicional de uma variável resposta a partir de um
conjunto de regressores; empregar todos os dados para estimar
os coeficientes angulares dos quantis; não exercer forte interfe-
rência dos outliers, já que não se considera apenas o efeito médio
do impacto de um regressor na distribuição condicional de um
regressando, e os estimadores resultantes da Regressão Quantíli-
ca podem ser mais eficientes do que os obtidos pelo M.Q.O, visto
que os erros não possuem distribuição normal.
Dadas essas vantagens, este método foi escolhido para fazer
parte deste estudo, pois se está interessado em verificar os de-
terminantes do nível tecnológico dos produtores de frutas. Con-
forme Koenker e Basset (1978), a regressão quantílica θ pode ser
expressa com notação matemática:
em que: ρθ é a função check definida por:
Os coeficientes da Regressão Quantílica podem ser interpre-

tados por meio da derivada parcial do quantil condicional com
respeito a um regressor particular. Em outros termos, tais coefi-
cientes podem ser interpretados como uma variação marginal no
θth quantil condicional ocasionada por uma mudança no regres-
sor (JUSTO, 2008).
Considerando que as variáveis explicativas não influenciam
igualmente os diversos níveis tecnológicos dos fruticultores, fo-
ram estimadas regressões para os quantis 0,10 e 0,90, em função
do número de observações, em que o θth quantil condicional do
nível tecnológico pode ser expresso por:
Em que os valores de yi correspondem aos índices tecnológi-

cos da fruticultura (ITF), obtidos; Xi refere-se as variáveis expli-
cativas. A operacionalização desse modelo foi realizada por meio
do software STATA 12.

4 RESULTADOS
4.1 Perfil socioeconômico dos fruticultores da Mi-

crorregião Iguatu, Ceará
Ao analisar os dados coletados, observa-se que, os fruticul-

tores, em sua maioria, têm mais de 50 anos de idade – Tabela 1 –
22,22% tem entre 30 e 50 anos, e apenas 5,56% dos fruticultores
apresentam idade inferior a 30 anos.
De acordo com a classificação de Brandao Lopes apud Monte
(1999), a idade produtiva fica no intervalo de 17 a 60 anos. Es-
tão nessa faixa etária aproximadamente 60% dos produtores da
amostra. O elevado percentual de produtores com idade elevada
– acima de 50 anos – representa uma preocupação em respeito
ao desenvolvimento, tendendo a uma redução da capacidade de
agilizar as mudanças no meio rural.
De acordo com a Confederação Nacional da Agricultura
(1999) é preocupante os casos em que há elevada participação
de responsáveis pelos estabelecimentos com faixa etária superior
a 60 anos, pois confirma a hipótese de que principalmente os
jovens é que migram.
Tabela 1: Frequência absoluta e relativa da idade dos fruticultores

na microrregião Iguatu – 2015.
Idade Frequência Absoluta Frequência Relativa
Menor que 30 anos 2 5,56%
De 30 a 50 anos 8 22,22%
Maior que 50 anos 26 72,22%
Total 36 100,00%
Na sua maioria, os fruticultores contam com a mão-de-o-

bra contratada temporariamente. Esses produtores representam
mais de 50% da amostram como se pode ver na Tabela 2. A ne-

cessidade de contratação de mão-de-obra além da não-perma-
nente pode estar relacionada ao tamanho da propriedade. Áreas
maiores utilizadas com a fruticultura exigem maiores quantidade
de fator mão-de-obra.
Tabela 2: Frequência absoluta e relativa do tipo de mão de obra

utilizada dos fruticultores da microrregião Iguatu, Ceará – 2015.
Frequência
Tipo de mão-de-obra Frequência Absoluta
Relativa
Sem contratação 8 22,22%
Contratada Temporária 20 55,56%
Contratada Permanente 5 13,89%
Contratada Temporária e
3 8,33%
Permanente
Total 36 100%
Quanto à escolaridade, cerca de 80% dos produtores não

chegaram a ingressar no ensino médio. Os produtores com ensi-
no primário correspondem a maior concentração – 38,89% – da
amostra seguida por 22,22% que apenas assinam o nome. Ape-
nas 19,44% possuem certificado de ensino médio.
Tabela 3: Frequência absoluta e relativa do grau de escolaridade

dos fruticultores da microrregião Iguatu – 2015.
Escolaridade Frequência Absoluta Frequência Relativa
Não lê nem escreve 2 5,56%
Assina o nome 8 22,22%
Lê e escreve 5 13,89%
Ensino Funda-
14 38,89%
mental
Ensino Médio 7 19,44%
Total 36 100%

Quando analisado a participação social dos produtores,
22,22% da amostra pesquisada são membros de alguma insti-
tuição, como associações, cooperativas ou sindicatos, porém ne-
nhum deles participa ativamente dessas instituições através de
reuniões, conforme pode ser observado na Tabela 4.
Tabela 4: Frequência absoluta e relativa da participação social,

a participação em reuniões e tipo de instituição dos fruticultores
da microrregião Iguatu – 2015.
Frequência
Membros de Instituições Frequência Absoluta
Relativa
SIM 8 10%
NÃO 28 90%
Tipo de Instituição
Cooperativa 0 0%
Associação 0 0%
Sindicato 8 100%
Participam de Reuniões
Sempre 0 0%
Pouco 2 25%
Não Participam 6 75%
Os resultados em relação a Tabela 4 acima são preocupantes,

pois mostra que os produtores não percebem tais instituições como
capazes de lhes proporcionar alguma forma de engrandecimento
produtivo ou pessoal. Esses dados revelam ainda que a fruticul-
tura na microrregião Iguatu, no que remete à participação social,
encontra-se muito abaixo dos patamares da agricultura brasilei-
ra, de acordo com estudos feitos pela CNA (1999), 35,09% dos
agricultores do Brasil participam de cooperativas de produção e
38,02% de sindicatos de sua categoria.
A experiência dos fruticultores foi mensurada pelos anos que
cada produtor tem na produção de atividade irrigada. Constatou-
-se que todos eles se dedicam a irrigação a mais de 6 anos, o que
demonstra um bom conhecimento na agricultura irrigada.

Pela Tabela 5 que mostra os tipos de sistemas de irrigação
utilizados na cultura, observa-se que existe uma predominância
com 58,33% a Inundação, vindo em seguida o sistema de Micro
Aspersão com 25% e Gotejamento com 16,67%. Estas informa-
ções mostram que os fruticultores, em sua maioria, utilizam téc-
nicas pouco poupadoras de água.
Tabela 5: Sistemas de irrigação utilizados na produção de frutas

irrigadas na microrregião Iguatu, Ceará – 2015.
Frequência
Sistema de Irrigação Frequência Absoluta
Relativa
Inundação 21 58,33%
Micro Aspersão 9 25%
Gotejamento 6 16,67%
Total 36 100%
Em conjunto, os 36 fruticultores geraram uma renda bruta

média oriunda da fruticultura por hectare no ano de 2015 de R$
60.779,78. Entretanto há grandes disparidades quanto ao nível
de renda. Com renda anual de até R$ 20.000,00 encontra-se
41,67% dos produtores, com renda bruta oriunda da fruticultura
estão 22,22% acima de R$100.000 ao ano.
Tabela 6: Renda bruta anual oriunda da fruticultura irrigada na

microrregião Iguatu, Ceará – 2015.
Renda Bruta Anual
Absoluta Relativa
Até R$20.000 15 41,67%
De R$20.000 a R$ 40.000 5 13,89%
De R$40.000 a R$ 60.000 3 58,33%
De R$60.000 a R$80.000 1 2,78%
De R$80.000 a R$100.000 4 11,11%
Maior que R$100.000 8 22,22%
Total 30 100%

O nível de renda elevado, observado em alguns casos, relaciona-
-se ao considerado percentual de produtores que desenvolvem téc-
nicas apropriadas, assim como a quantidade de hectares plantados.
4.2 Identificação e análise do desempenho tecno-

lógico dos fruticultores
Com o intuito de verificar a coesão dos dados coletados, foi

calculado o teste de Kaiser-Mayser-Okin (KMO). Assim, conside-
rando-se a distribuição dos dados, o KMO revelou valor de 0,755.
Indicando que os dados são consistentes. O teste de Esfericidade
de Bartlett indicou valor de 317,120, sendo considerado elevado
para garantir que a matriz de correlações não é uma matriz iden-
tidade, ao nível de significância 1%.
Com o uso da análise fatorial, pelo método da análise dos
componentes principais, foram obtidos três fatores característi-
cos, com auto-valores maiores do que 1, considerando o critério
da raiz latente.
Com o objetivo de representar um total de variáveis originais
em um número menor possível de variáveis, a fim de explicar a
tecnologia adotada pelos produtores de frutas, optou-se por traba-
lhar com três fatores, considerando-se que o Fator 1 possui raiz de
6,217, Fator 2 tem raiz 2,265 e Fator 3 com raiz característica de
1,435 indicando que todos os fatores atenderam a exigência da me-
todologia de apresentar raízes latentes maiores do que 1 e que, em
conjunto, explicam 70,827% da variância total dos 36 indicadores
de adoção de tecnologia pelos fruticultores, conforme tabela 7.

variância total explicada pela análise fatorial.
Raiz Variância Explicada Variância
Fator
Característica pelo fator % Acumulada %
1 6.217 44.405 44.405
2 2.265 16.175 60.580
3 1.435 10.247 70.827

Conforme a Tabela 8 observa-se as cargas fatoriais ou coe-
ficientes de correlação após a rotação dos fatores de adoção de
tecnologia e suas respectivas comunalidades. Admite-se que os
valores acima de 0,5 (em negrito) indicam intensa associação en-
tre a variável e o fator.

tecnologia obtidos na análise fatorial.
Variáveis F1 F2 F3 Comunalidades
X1 - ÁREA_IRRIG .860 .323 .236 .900
X2 - RENDA_BRUTA .714 .563 .163 .854
X3 - PROD_TOTAL .940 .181 -.023 .917
X4 – Insumos .709 .242 .466 .779
X5 – Energia .947 .204 -.003 .938
X6 - sistema_de_irrigação -.137 -.585 .380 .505
X7 - Fez_projeto .251 .752 .049 .632
X8 – Município -.220 .027 .874 .814
X9 – Planejamento .264 .829 .194 .795
X10 - Vende_produtos_no_
.205 .112 .668 .501
mercado
X11 - Restos_Culturais .387 -.054 -.035 .154
X12 - M_O_Perm .895 .250 .099 .872
X13 - Escolaridade -.010 .578 .199 .373
X14 – Assistência .234 .124 .901 .882
O primeiro fator (F1) esta correlacionado com X1(Área Ir-

rigada), X2(Renda Bruta), X3(Produção Total), X4(Insumos),
X5(Energia), X12(Mão-de-Obra Permanente).
O segundo fator (F2), possui correlação com as variáveis
X2(Fez_projeto), X9 (Planejamento) e X13(Escolaridade).
Analisando o fator (F3), observa-se que este intensamente
ligado com as variáveis X8(Município), X10 (Venda de produtos
no mercado) e X14(Assistência).

4.3 Classificação dos fruticultores da microrregião
Iguatu, segundo o Índice Tecnológico
Por meio da análise fatorial, foram obtidos os escores fato-
riais extraídos pelo método de extração Varimax, procedeu-se a
elaboração do Índice Tecnológico para os 36 produtores de frutas
pesquisados no período entre janeiro e fevereiro de 2016. Em se-
guida, foi feita a padronização do índice de forma que ele pudesse
variar de zero a um. Quanto mais próximo de um, melhores são
os níveis tecnológicos desenvolvidos pelos fruticultores.
De acordo com a Tabela 9 foram obtidas cinco classes para a
classificação do Índice Tecnológico dos Fruticultores (ITF). Para
os índices classificados como muito baixo variando em um inter-
valo de 0 a 0,20, foram classificados quinze produtores corres-
pondendo a uma frequência relativa de 41,67%; vinte produtores
foram considerados com um nível tecnológico baixo variando
entre 0,21 a 0,35 correspondendo a uma frequência relativa de
55,56%; um produtor foi considerado com índice médio que va-
ria entre 0,37 a 0,54 com frequência relativa de 2,78% e um pro-
dutor foi caracterizado com um índice considerado muito alto
variando entre 0,79 a 1,00, com frequência relativa de 2,78%.
Cabe salientar que de acordo com o índice proposto não foi
classificado nenhum produtor com o índice tecnológico alto.
Tabela 9: Índice tecnológico, número de produtores, segundo

os grupos do índice de adoção de tecnologia dos fruticultores da
microrregião Iguatu, Ceará.
Grupos ITF
produtores Relativa
1- Muito baixo 0 - 0,20 15 41.67%
2- Baixo 0,21-0,35 20 55.56%
0,37-
3- Médio 1 2.78%
0,54
0,62-
4- Alto 0 0.00%
0,78
5- Muito Alto 0,79-1,00 1 2.78%
Informações válidas – 36 100.00%

As variáveis que mais se destacaram na determinação do
nível tecnológico do referido índice foram: X1(Área Irrigada),
X2(Renda Bruta), X3(Produção Total), X4 (Insumos), X5(Ener-
gia elétrica) e X12(Mão-de-obra permanente), variáveis advindas
do Fator 1, respectivamente, pois o F1 obteve a maior variância
dos dados com 44,41% de representatividade, indicando que esse
fator e as variáveis que o compõem representa o uso voltado a
tecnologia na produção.
4.4 Regressão Quantílica
Para verificar os fatores determinantes do nível tecnológi-

co dos fruticultores, estimaram-se os parâmetros por meio da
regressão quantílica para os quantis 10 e 90, com o intuito de
captar a influência desses determinantes ao longo de pontos dis-
tintos da distribuição condicional dos índices tecnológicos, e não
somente na média.
Para o grupo de fruticultores com menores níveis tecnoló-
gicos, indicados pelo quantil 10, observa-se que entre as nove
variáveis explicativas todas são importantes para explicação dos
níveis tecnológicos, visto que foram significantes a 1%. Com re-
lação aos fruticultores que fazem parte do grupo que dispõe de
maiores níveis tecnológicos, representados pelo quantil 90, tam-
bém se verifica todos os coeficientes significativos a 1%.
Verificando o grupo de produtores de menores níveis tec-
nológicos, o coeficiente da variável planejamento (dummy)
mostrou-se significante para este grupo, isto significa que o
nível tecnológico tende a crescer pelo fato do fruticultor fazer
planejamento para iniciar o processo de produção. O mesmo
pode-se dizer do coeficiente da variável escolaridade (dummy),
mostrando que maiores níveis educacionais levam a adoção de
melhores práticas agrícolas relacionadas à tecnologia. A assis-
tência técnica (dummy) contribui de forma significativa para
melhorias nos níveis tecnológicos para os produtores de meno-
res níveis tecnológicos.

Tabela 10: Estimativa do nível tecnológico dos fruticultores da
microrregião Iguatu, Ceará, por meio do modelo de Regressão
Quantílica, 2015.
Quantis
Variáveis explicativas
0,10 0,90
0.08696 0.089567
Constante
(0.000) (0.000)
0.00557
0.004040
Área irrigada (0.000)
(0.000)
9.08e-08
2.89e-07
Renda bruta (0.000)
(0.000)
0.00006
0.000245
Logaritmo da produção (0.000)
(0.000)
2.89e-06 3.17e-06
Insumos
(0.000) (0.000)
2.49e-06
1.96e-06
Energia (0.000)
(0.000)
0.07057
0.04488
Planejamento (0.000)
(0.000)
4.91e-07
1.22e-06
Mão-de-obra (0.000)
(0.000)
0.00558
0.012461
Escolaridade (0.000)
(0.000)
0.04081 0.019384
Assistência técnica
(0.000) (0.000)
Fonte: Resultados da Pesquisa (2016).
Quanto ao grupo dos produtores com maiores níveis tecno-

lógicos representados pelo quantil 90, constata-se que todas as
variáveis são importantes para explicar o nível tecnológico do
fruticultores da microrregião Iguatu, Ceará. Como apresentado

na Tabela 11, onde todos os coeficientes foram significativos a 1% e
denotaram sinais positivos, indicando que o nível tecnológico dos
fruticultores pertencentes a esse grupo, cresce com o aumento da
área irrigada – medida por hectares –, do logaritmo da produção,
calculado através da produção anual, se o produtor faz planeja-
mento da produção (dummy). A escolaridade (dummy) dos pro-
dutores também se configura como fator fundamental para adoção
de práticas tecnológicas mais modernas, aumentando e diversifi-
cando a produção. Essa relação positiva entre escolaridade e nível
tecnológico na fruticultura também foi verificada no estudo de Go-
mes; Campos; Justo e Rojas (2015). A assistência técnica (dummy)
também se configura como um fator primordial para o processo
contínuo de adoção tecnológica por partes desses produtores.
A Figura 1 abaixo mostra o comportamento das variáveis ex-
plicativas do nível tecnológico dos fruticultores nos vários quan-
tis. Como se observa, o efeito parcial de cada variável explicativa
no nível tecnológico varia ao longo dos quantis, sendo que to-
das as variáveis demonstram diferenciais positivos significativos
para os produtores com maiores níveis tecnológicos.
Figura 1: Resultados das Regressões Quantílicas.

Fonte: Dados da Pesquisa (2016).

Conforme a análise dos 36 fruticultores da Microrregião

Iguatu, com o intuito de criar um índice tecnológico dos produto-
res de frutas, conclui-se que quinze produtores estão na categoria
muito baixa, vinte na categoria baixa, um na categoria médio e
por fim um produtor na categoria alto.
Os baixos valores dos índices podem ser explicados por di-
versos fatores, como já destacado a fruticultura é uma cultura
que exige um alto grau de tecnologia, investimento e capacitação
para aqueles que a praticam. Outro aspecto da má qualidade dos
índices se refere à questão do capital de giro, linhas de credito
apropriadas para os produtores de pequeno e médio porte con-
seguirem financiar sua produção, podendo ter a possibilidade de
modificar substancialmente seus sistema de irrigação para aderir
a novas tecnologias.
A microrregião Iguatu já deteve uma grande capacidade agríco-
la, um exemplo é a cidade de Iguatu que já foi conhecida no passado
como um grande produtor de algodão, posteriormente o cultivo do
arroz tomou frente nas práticas agrícolas do município, deixada de
lado por problemas com pragas e o alto custo de manter as lavouras.
A idade de Icó também detém suas particularidades positivas para
o desenvolvimento de atividades agrícolas, contendo em sua área o
perímetro irrigado Icó-Lima Campos, administrados pelo DNOCS,
proporcionando assim uma vantagem em relação a pratica agrícola
irrigada, com uma farta abundância de recursos hídricos.
Analisando o índice construído e por meio de observações
feitas na aplicação dos questionários é altamente visível a preca-
riedade e as dificuldades enfrentadas pelos produtores em rela-
ção às técnicas de utilização da tecnologia no plantio de frutas.
Dos 36 fruticultores, 21 utilizam a inundação como meio de irri-
gar a plantação, essa técnica não é poupadora de agua, 9 fruticul-
tores utilizam a micro aspersão que é uma técnica mediana em
relação ao uso da agua e apenas 6 fruticultores utilizam a técni-
ca de gotejamento sendo essa a técnica mais eficiente no uso da
água em áreas irrigantes.

Conclui-se através do efeito parcial de cada variável explica-
tiva no nível tecnológico, que as variáveis logaritmo da produção
total e assistência técnica (dummy), apresentam diferenciais po-
sitivos maiores para os produtores mais eficientes, corroborando
com hipótese de que as práticas agrícolas e as formas de organi-
zação e assistência técnica são importantes e contribuem inten-
sivamente para maior desempenho tecnológico da fruticultura
irrigada na microrregião Iguatu. Com isso, ver-se a necessidade
do aprimoramento das políticas públicas voltadas para a assis-
tência técnica dos fruticultores, de forma que possa contribuir
ainda mais o desenvolvimento da atividade.
REFERÊNCIAS
A irrigação no Brasil: situação e diretrizes/ Ministério da

Integração Nacional – Brasília: IICA, 2008.
ADECE – Agência de Desenvolvimento do Estado do Ceará. Perfil
da produção de frutas Brasil, Ceará. Governado do Estado do
Ceará. Conselho de Desenvolvimento Econômico, 2013.
ANDRADE, José Alessandro Campos de. Análise da produção de
banana orgânica no Município de Itapajé – Ceará, Brasil.
(Dissertação Mestrado em Desenvolvimento e Meio Ambiente) - Uni-
versidade Federal do Ceará, Fortaleza, 103 f., 2005.
BANCO DO NORDESTE. A importância do agronegócio da ir-
rigação para o
Desenvolvimento do Nordeste. Francisco Mavignier Cavalcan-
te França. (coord.). Fortaleza: Banco do Nordeste, 200l.
BRASIL. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍS-
TICA. Produção Agricola Municipal: Lavoura permanente.
2015. Disponível em: <http://www.cidades.ibge.gov.br/xtras/perfil.
php?lang=&codmun=230550&search=ceara|iguatu|infograficos:-
-informacoes-completas>. Acesso em: 1 Mar. 2016.
BRUE, S. L. História do pensamento econômico. São Paulo:
Pioneira, 2005.

CARDOSO, C.E.L. Competitividade e inovação tecnológica
na cadeia agroindustrial de fécula de mandioca no Brasil.
– ESALQ/USP. Piracicaba – SP, 2003, 188 p. (Tese de Doutorado).
CAMPOS, Robério T.; GONÇALVES, J. Eduardo. Panorama geral
da fruticultura brasileira: desafios e perspectivas. In: CONGRESSO
BRASILEIRO DE ECONOMIA E SOCIOLOGIA RURAL, 40, Passo
Fundo, 2002. Passo Fundo. Anais... Passo Fundo: SOBER, 2002.
CONFEDERAÇÃO NACIONAL DA AGRICULTURA (CNA)/FUN-
DAÇÃO GETÚLIO VARGAS (FGV). Um perfil do agricultor
brasileiro: suas principais tendências e implicações para o
treinamento dos pequenos proprietários e trabalhadores
rurais. Brasília: CNA, 1999. 48p. (Coletânea estudos Gleba, 9).
FÁVERO et al. Análise de Dados: Modelagem Multivariada
para Tomada de Decisões. Editora Campus. Rio de Janeiro,
2009.
GOMES, Otácio Pereira. Perfil socioeconômico e tecnológico
de produtores de fruticultura irrigada na região do Cariri,
Ceará. Universidade Federal do Ceará, Centro de Ciências Agrárias-
-CCA (Dissertação de Mestrado). Departamento de Economia Agrí-
cola, Programa de Pós-Graduação em Economia Rural, 2015, 77p.
2005. 5ª ed. p.89-126; 380- 419.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATISTICA –
IBGE. IBGE Cidades 2016. Disponível em: http://cidades.ibge.
gov.br/xtras/perfil.php?lang=&codmun=230550&search=ceara|i-
guatu. Acesso em 31/03/2016
LEMOS, J. J. S. Indicadores de degradação no Nordeste Sub-úmi-
do e Semi-árido. In: CONGRESSO BRASILEIRO DE ECONOMIA
E SOCIOLOGIA RURAL, 34, 2001, Brasília, DF. Anais... Brasília,
DF: SOBER, 2001. p.1-10.
MATOS, V. D. A apicultura no Estado do Ceará: competitivi-
dade, nível tecnológico e seus fatores condicionantes, produção e

exportação de mel natural. 2005. 189 f. Dissertação (Mestrado em
Economia Rural) – Universidade Federal do Ceará, Fortaleza. SAN-
TANA, A. C. de. Análise da competitividade sistêmica da indústria
de madeira no Estado do Pará. Revista de Economia e Agrone-
gócio, Viçosa, v. 1, n. 2, p. 205-230, 2003.
MINGOTI, S. A. Análise de dados através de métodos de es-
tatística multivariada: uma abordagem aplicada. Belo Horizon-
te: UFMG, 2005.p. 99-138.
MONTE, F. S. de S. Efeitos da implantação do complexo in-
dustrial e portuário do Pecém-CE na qualidade de vida das
famílias rurais da região – o caso do reassentamento Cam-
beba: 1999. 144f. (Dissertação de mestrado em Economia Rural)
– UFC/CCA/DEA, Fortaleza, 1999.
PENSA. Desenvolvimento da cadeia produtiva de irrigação
no Brasil. São Paulo, 2010. 177.
REIS, E. Estatística multivariada. 2. Ed. Lisboa: Sílabo, 2001.
SENA, José Vladimir Cardoso. Aspectos da produção e mercado da
banana no nordeste. Informe Rural Etene. S.i. Jun. 2011.
SILVA, C. R. L. da. Inovação tecnológica e distribuição de
renda: impacto distributivo dos ganhos de produtividade da agri-
cultura brasileira. São Paulo: IEA, 1995. (IEA. Coleção estudos agrí-
colas, 2).
SIMPLÍCIO, T. A. Caracterização socioeconômica do desen-
volvimento do setor rural do Nordeste brasileiro. Universi-
dade Federal do Ceará – UFC, Fortaleza - CE, 1985. 99 p. (Disserta-
ção de Mestrado).
SOUSA, Eliane Pinheiro de. Impactos da formação espacial
dos preços na competitividade relativa da fruticultura ir-
rigada do estado do Ceará. 2010. 133 f. Tese (Doutorado) - Cur-
so de Economia Aplicada, Universidade Federal de Viçosa, Viçosa,
MG, 2010.
SOUSA, E. P.; JUSTO, W. R.; CAMPOS, A. C. Desempenho compe-
titivo dos fruticultores cearenses em diferentes áreas irrigadas. Re-
vista Econômica do Nordeste. Fortaleza, v. 41, n. 1, p. 153-166,
2013.

SOUZA, Luciano da Silva; VIERA NETO, Raul Dantas. Cultivo
da Banana para o Ecossistema dos Tabuleiros Costeiros.
2003. Disponível em: <https://sistemasdeproducao.cnptia.embra-
pa.br/FontesHTML/Banana/BananaTabCosteiros/index.htm>.
Acesso em: 1 Mar. 2016.
TARSITANO, M. A. A. A modernização e a desconcentração da terra
da agricultura mato-grossense: 1970/85. Revista de Economia
Política, vol. 12, nº 04: p. 28–37, 1992.

C apítulo 8
O RENDIMENTO MÉDIO AGRÍCOLA E
O REGIME DE CHUVAS NO ESTADO DA
PARAÍBA: UMA ANÁLISE ESPACIAL PARA O
ANO DE 2014

José Carlos Araújo Amarante45
Ivan Targino Moreira46
RESUMO
A presente pesquisa analisa a relação entre rendimento médio das
lavouras permanentes e a pluviosidade municipal na Paraíba no
ano de 2014. Para tanto, utiliza-se dados oriundos do IBGE. A partir
da Análise Exploratória de Dados Espaciais (AEDE), constatam-se
indícios de concentração espacial no rendimento médio por hecta-
re. Portanto, tal rendimento pode estar sofrendo com o efeito do
contágio em seu processo de espalhamento no espaço. Destaca-se
que tanto na forma univariada quanto multivariada os indicadores
globais e locais de Moran apresentaram indícios de dados espacial-
mente correlacionados. Salienta-se que o modelo SEM estimado
pelo Método Generalizado dos Momentos (MGM) mostrou-se o
mais adequado para modelar tal problema. Com exceção da dummy
Agreste todas as variáveis explicativas (pluviosidade, rendimento
da lavoura temporária, rebanho por hectare, dummy Borborema e
dummy Sertão) mostram-se significantes para explicar o rendimen-
to médio da lavoura permanente por hectare no Estado da Paraíba.
Palavras-chave: Rendimento agrícola. Pluviosidade. Paraíba.
44
45
Mestrando em Economia pelo PPGE-UFPB - E-mail: carlos-amarante@
hotmail.com
46
Doutorado em Economia (Université Paris 1 Pantheon-Sorbonne) -
E-mail: [email protected]

1 INTRODUÇÃO
A atividade agrícola é um ramo da economia que influenciou

de forma muito significativa o desenvolvimento do Brasil devido
suas características de gerar excedente através das exportações,
prover matérias-primas para à indústria e provimento de pro-
dução de alimentos para às populações rurais e urbanas, além
disso, destaca-se sua capacidade de criar novas possibilidades de
ocupação e de geração de renda. Na visão de Johnston e Mellor
(1961), as funções desempenhadas pela agricultura estão relacio-
nadas aos primeiros estágios de desenvolvimento econômico.
Esta atividade juntamente com a produção pecuária foi por
muitos anos o centro dinâmico da economia do Estado da Para-
íba. Moreira, I. T.; Moreira, E. R. F.; e Araújo (2014) mostram
que até segunda metade do século XX, a economia paraibana era,
fundamentalmente, uma economia primário-exportadora. Os
dados apontam que a agropecuária era responsável por 58,8%
do valor adicionado no ano de 1960, absorvendo grande parte
da força de trabalho no Estado. No entanto, ao longo dos anos
a agropecuária veio perdendo espaço em função do crescimento
do setor industrial e de serviços. Já em 1975 o principal setor
econômico da Paraíba passou a ser o de serviços, chegando a re-
presentar 72,2%, do valor adicionado no ano de 2009.
Apesar da redução participativa observada na produção
agropecuária ocorrida ao longo dos anos, a Pesquisa Agrícola
Municipal (PAM) e a Pesquisa Pecuária Municipal (PPM) dis-
ponível no Instituto Brasileiro de Geografia e Estatística (IBGE)
mostram que no ano de 2014 o valor da produção agropecuária
foi de R$ 1.485.941 (em mil reais). Neste caso, destaca-se a pro-
dução agrícola que chega à representar 75,95% deste valor. Por
sua vez, a pecuária representou, no mesmo ano, 24,05% do valor
da produção estadual. Diante do exposto, fica notória a impor-
tância deste setor para economia paraibana47.
47
Salienta-se que a produção agrícola pode ser dividida em lavouras tempo-
rárias e lavouras permanentes.

Embora a produção agrícola paraibana seja bastante im-
portante para a geração de renda no Estado, tal produção é
significativamente concentrada na Zona da Mata e no Agreste,
pois de um total de R$ 1.128.637 (em mil reais) essas mesor-
regiões paraibanas absorvem 93,1%, sendo 65,88% e 27,22%,
respectivamente. Este evento acontece, sobretudo, pelo fato das
mesorregiões da Borborema e do Sertão estarem situadas em
áreas onde é característica a presença de clima semiárido. Em
tempo, destaca-se que tais regiões apresentam forte insolação,
temperaturas relativamente altas e um regime de chuvas mar-
cado pela escassez, irregularidade e concentração das precipita-
ções num curto período.
Moreira, I. T.; e Moreira, E. R. F. (2007) apresentam critérios
para delimitar a região semiárida na Paraíba, para tanto, consi-
deram características de ordem natural (baixos índices pluvio-
métricos, irregularidade e frequência da ocorrência de secas) e
social (as características das relações de produção). Tal pesquisa
possui como resultante a inserção, no semiárido, de municípios
que compõem as mesorregiões da Borborema e do Sertão Parai-
bano. Além desses, tem-se as microrregiões do Curimataú Orien-
tal e Ocidental, toda essa área corresponde a uma superfície de
43.555km2 ou o equivalente a 77,3% da área total do Estado.
Assim, essas são algumas das questões que norteiam e pro-
blematizam o presente estudo, fornecendo insumos para a inves-
tigação a ser realizada. Diante disso, o trabalho objetiva analisar
a relação entre rendimento médio das lavouras permanentes e
a pluviosidade municipal na Paraíba, bem como os possíveis fa-
tores que puderam afetar tal rendimento no ano de 2014, para
tanto, propõe-se como procedimento metodológico a utilização
de modelos advindos da econometria espacial.
O presente estudo se divide em cinco seções, incluindo esta
introdução. A segunda apresenta o arcabouço teórico. Na tercei-
ra serão expostos os procedimentos metodológicos e banco de
dados. A quarta seção exibe os resultados empíricos dos modelos
propostos. Por fim, a última seção sintetiza as conclusões.

2 CONTRIBUIÇÕES EMPÍRICAS
Dada a importância da agricultura para o desenvolvimento

econômico, observa-se, recentemente, um amplo debate acerca
das políticas públicas voltados para este setor, sobretudo, di-
recionados para questões relacionadas a diferenças regionais.
Há uma série de autores que estudam a agricultura no Brasil.
Destaca-se pesquisas que utilizaram como instrumento a eco-
nometria espacial [Almeida et al. (2008), Barreto e Almeida
(2009), Felema et al. (2013) e Castro et al. (2015)]. Tais tra-
balhos verificam desde convergência e crescimento da renda
agropecuária até questões relacionadas com a produtividade no
setor agrícola.
Almeida et al. (2008) investigando a convergência espacial
da produtividade agrícola nas microrregiões brasileiras entre os
anos de 1991 e 2003, constata que a importância da agricultura
para o crescimento econômico tende a ser desigual para as dife-
rentes regiões do país. Por fim, conclui que existem evidências
em favor da convergência da produtividade agrícola brasileira,
no entanto, tal taxa aparenta ser relativamente lenta.
Nesta perspectiva, Barreto e Almeida (2009) analisaram
a influência dos investimentos em pesquisa agropecuária para
o crescimento econômico e a convergência de renda agrope-
cuária no Brasil entre 1986 e 2004. Tais autores concluem
que investimento em pesquisa agropecuária é relevante para o
crescimento da renda agropecuária bem como para a conver-
gência de renda no setor. Por sua vez, Castro et al. (2015) ve-
rificam que, no longo prazo, a disparidade regional existente
na produtividade da soja tende a diminuir. Sendo assim, regi-
ões consideradas com menor produtividade tendem a crescer
mais rapidamente e podem alcançar outras de maior produti-
vidade ao longo dos anos.

3 METODOLOGIA
3.1 Análise Exploratória de Dados Espaciais
Segundo Almeida (2012), a imbricação entre a heteroge-

neidade e dependência espacial pode tornar o processo de es-
pecificação de modelos espacial muito tediosa e, sobretudo,
conduzir a especificações incorretas. Neste contexto, nota-se
que uma série de pesquisas [Anselin (1999); Fotheringham
et al.(2002); Almeida (2012) entre outros] orientam a reali-
zação da análise exploratória de dados espaciais (AEDE) an-
tes de se fazer qualquer análise estatística mais sofisticada.
Para Almeida (2012), tal procedimento estatístico é o mais
indicado para investigar variáveis espacialmente densas ou
intensivas 48.
Para Anselin (1999), AEDE permite descrever e visualizar
padrões espaciais, identificar localidades atípicas (outliers
espaciais) e descobrir padrões de associação espacial (clus-
ters espaciais). Destaca-se que AEDE pode ser eficientemen-
te realizada a partir da estatística I de Moran. A estatística
construída por Moran (1948) faz uso de certa medida de au-
tocovariância na forma de produto cruzado e pode ser global
ou local. A forma global pode se representada matricialmen-
te por:
(1)
Em que Z (rendimento médio agrícola) é um vetor de n (mu-

nicípios) observações da variável de interesse, W a matriz de pe-
sos espacial utilizada e WZ é a média dos valores da variável de
interesse dos vizinhos. Destaca-se que tal estatística assume valo-
res entre um (1) e menos um (-1) e possui valor esperado igual a:
48
As variáveis extensivas tendem a estar correlacionadas espuriamente com
a área ou população total da região e isso pode conduzir a resultados enga-
nosos (ANSELIN, 2005).

E[I] = – [1 (n – 1)] (2)
Sendo assim, a equação (2) representa o valor obtido quan-

do não há padrão espacial nos dados. Nota-se que tal estatística
se aproxima bastante de zero quando o número de municípios
aumenta muito (n → ∞). Logo, valores positivos de I que ex-
cedem E[I] indicam autocorrelação espacial positiva enquanto
que valores I abaixo do E[I] sinalizam autocorrelação espacial
negativa.
Anselin (1994) argumenta que a utilização do teste de
Moran global pode deixar de captar padrões espaciais (clus-
ters e outliers) em algumas regiões. Para Anselin (1995), é
possível encontrar a partir de fragmentos do teste de Moran
global um teste de associação espacial local. Pode-se classi-
ficar tal teste de Indicador de Autocorrelação Espacial Local
(Local Indicator of Spatial Association-LISA) e representá-
-lo por:
(3)
Em que zi e zj são os desvios da média dos valores da

variável em questão (rendimento médio agrícola) e wij denota
os elementos da matriz de pesos espaciais. Destaca-se que a
principal diferença entre o índice de Moran local e o global,
consiste no fato do primeiro produzir um valor específico para
cada objeto, permitindo assim, a identificação de agrupamen-
tos de objetos com valores de atributos semelhantes enquanto
o segundo fornece apenas valor único para o conjunto de da-
dos em análise.
3.2 Modelo Clássico
De acordo com Anselin (1988), a econometria tradicional

apresenta limitações quando é confrontada com problemas es-
paciais. Logo, as interações ocorridas entre regiões acabam oca-

sionando algum problema às estimativas dos parâmetros encon-
trados por meio do método dos Mínimos Quadrados Ordinário
(MQO). No Modelo Clássico de Regressão Linear (MCRL) po-
de-se encontrar valores para o regressando (Y) a partir de certo
conjunto de regressores (X). Tais valores estão associados a certo
termo de erro (ε) aleatório, sendo assim:
Xb + ε
Y= (4)
Na presença de dependência espacial, seja na variável

dependente, independente ou no termo de erro, os estimado-
^
res (b ) de MQO apresentarão problemas. Portanto, ao passo
que a dependência espacial age sobre a variável dependen-
te do modelo estimado, percebe-se que as estimativas serão
viesadas e inconsistente se estimadas por MQO. No entanto,
se a dependência espacial ocorre nos erros, tem-se que as es-
timativas de MQO serão não viesadas e consistentes, porém
ineficientes.
3.3 Modelando a Dependência Espacial
3.3.1 Modelo SAR
Dada a existência da dependência espacial nos dados,

parte-se para o uso dos modelos espaciais. A partir destes
é possível modelar consistentemente os efeitos advindos da
interação espacial. Pode-se modelar globalmente através do
Spacial Auto Regressive (SAR). Para Almeida (2012), tal mo-
delagem captura os efeitos advindos do processo de imitação
inserido em determinado fenômeno. De acordo com LeSage
e Pace (2009), num modelo espacial do tipo SAR, mudanças
na variável explicativa numa região afetará a própria região
pelo efeito direto. No entanto, poderá afetar as demais re-
giões pelo efeito indireto de forma realimentadora e circu-
lar. Para Keleijan e Prucha (2010), tal modelo em sua forma
mista exibe uma memória que é amortecida à medida que o

grau de conectividade entre as regiões vai diminuindo. Sendo
assim, tem-se:
y = pWy + Xb + ε (5)
em que: ε ~ N (0, σ 2In)

Assim, tem-se que a variável dependente da região i está
correlacionada espacialmente com o valor da variável depen-
dente da região j. Tal processo possui seu transbordamento
capturado em ρ mediante defasagem espacial da variável de-
pendente Wy. A restrição que se admite sobre o modelo é que
o coeficiente espacial autorregressivo seja menor que um, ou
seja, |ρ| < 1. LeSage e Pace (2009) acreditam que o modelo es-
pacial do tipo SAR representa um equilíbrio de longo prazo de
um processo dinâmico. Assim, decisões tomadas por agentes
econômicos em períodos passados influenciam as decisões dos
agentes no presente.
3.3.2 Modelo SEM
Darmofal (2006) argumenta que o modelo global Spatial

Error Models (SEM) está associado à incapacidade de se mode-
lar toda fonte da dependência espacial. Sendo assim, determi-
nada parte da dependência não modelada pode se manifestar
no padrão do erro aleatório entre regiões vizinhas. Dessa forma,
tem-se que:
y = Xb + ξ (6)
em que ξ =λWξ + ε e ε ~ N (0, σ 2In)

Dado o multiplicador espacial, tem-se que o alcance de de-
terminado choque é global. Assim, faz com que haja uma propa-
gação do efeito ao longo do sistema atingindo todas as regiões.
No entanto, tal intensidade é decrescente à medida que se afasta

do epicentro |λ| < 1. Tal coeficiente espacial (λ) autorregressivo
mede o grau de dependência espacial no termo de erro. Logo,
choques na região i afeta os vizinhos e os vizinhos dos vizinhos
por intermédio das potencias de W, e, algumas vezes, volta a afe-
tar a região i novamente, porém, agora, com efeito amortecido
(ALMEIDA 2012).
3.3.3 Modelo SAC
Há possibilidades de avaliar o fenômeno da dependência

a partir do uso de outro importante modelo espacial global de-
nominado Spatial Mixed Regressive Auto-Regressive Complete
(SAC). Para Almeida (2012), este modelo possui características
que possibilitam identificar o efeito contágio agindo sobre o pro-
cesso de transbordamento de determinado fenômeno espacial.
Assim, tem-se:
y = pW1y + Xb + ξ (7)
em que ξ =λW2ξ + ε e ε ~ N (0, σ 2In)

Nesse modelo, os parâmetros | ρ | < 1 e | λ | < 1 evitam com-
portamento instável. Considerando determinada matriz W,
tem-se que | λ | < 1 permite que a intensidade do processo de
determinada variável seja decrescente ao longo de certa região
atingida por determinado choque.
3.4 Base de Dados e Modelo Estimada
Os dados da presente pesquisa são oriundos do Instituto

Brasileiro de Geografia e Estatística (IBGE) referente às estima-
tivas de produção agrícola do ano de 2014. Destaca-se que as va-
riáveis utilizadas, assim como seus respectivos sinais esperados
estão expostos no Quadro 1 a seguir:

Quadro 1: Variáveis da Pesquisa.49
Variável
Característica Sinal
Dependente
É uma medida de quanto cada hectare plantado com
Rendimento
lavoura permanente rende (R$) em determinado ano.
Médio da Lavoura
Destaca-se que tais lavouras podem ser medidas em
Permanente (por
quilogramas por hectare. A única exceção é o coco-da-
hectare)49. (Rmlp)
baía que é medido em frutos por hectare.
Variáveis
Característica Sinal
Independentes
Definida como sendo a quantidade de chuva por metro
Densidade Pluvio- quadrado em determinado local e período. Com tal vari-
+
métrica (D_pluv). ável, busca-se encontrar a influência das chuvas sobre o
rendimento médio da lavoura permanente no ano de 2014.
Quanto cada hectare plantado com lavoura temporária
rende (R$) em determinado ano. Acredita-se na diversi-
ficação da plantação na Paraíba. Sendo assim, o produtor
planta a lavoura permanente e em alguns períodos do
Rendimento
ano produz lavoura temporária como forma de aumentar
Médio da Lavoura
seus rendimentos. Ao passo que contrata mais pessoas +
Temporária (por
para produzir a lavoura temporária acaba aumentando a
hectare). (Rmlt)
quantidade de mão de obra para cuidar das duas lavouras
e tal fato deve favorecer a produção e rendimento da la-
voura permanente. Destaca-se que todos os produtos são
medidos em quilogramas por hectare.
Considera-se o efetivo do rebanho em 31/12/2014 (em
Densidade do
número de cabeças) dividido pela área de cada município
Rebanho: bovino
analisado. Espera-se que tal indicador afete positivamen- +
e caprino (Km2).
te o rendimento da lavoura permanente pelos motivos
(Dens_Rb)
destacados anteriormente.
Pretende-se captar possíveis diferenças no rendimento
médio advindo do fenômeno influência da localização na
produção e respectivo rendimento, ou seja, deseja-se cap-
Dummies Mesorre-
turar o impacto de se produzir em determinada mesor-
gionais: (DumAg),
região em detrimento de outra. Para tanto, considera-se -
(DumBorb) e
as caracterizas das demais meso (Agreste, Borborema e
(DumSert)
Sertão) em relação a Zona da Mata paraibana, acredita-se
que Mata paraibana apresenta melhores possibilidades
de produção, escoamento e venda de produtos agrícolas.
Fonte: Elaboração própria.
49
Principais lavouras permanentes do Estado da Paraíba segundo IBGE:
abacate, banana, castanha de caju, coco da baía, goiaba, laranja, limão,
mamão, maracujá, pimenta do reino, sisal, tangerina, urucum e uva. Já
as principais lavouras temporárias são: abacaxi, algodão herbáceo, alho,
amendoim, arroz, batata doce, batata inglesa, cana de açúcar, cebola, fava,
feijão, fumo, mamona, mandioca, melancia, melão, milho, soja e tomate.

A equação (8) expressa a seguir representa o modelo econo-
métrico estimado:
Como visto, elencam-se possíveis causadores do diferen-

cial de rendimento médio das lavouras permanentes nos mu-
nicípios da Paraíba. Além dos fatores naturais (solo e clima),
e regionais (mesorregião em que o município está inserido),
destacam-se outros: fator humano (mão de obra e especiali-
zação) e fator econômico (valor da terra e o nível de tecnolo-
gias aplicadas na produção). No entanto, tais variáveis são de
difícil acesso a não ser a partir da elaboração e construção de
pesquisas de campo. Destaca-se que outras informações pode-
riam ser inseridas se as bases de dados utilizadas fossem do
Censo Agropecuário, sendo que tais informações são relativa-
mente defasadas comparativamente as estimativas utilizadas
na presente pesquisa.
4 ANÁLISES DOS RESULTADOS
4.1 Dependência Espacial Univariada: Global e Local
Na presente seção será testada a incidência de autocorre-

lação espacial agindo sobre os dados da pesquisa. Tal hipóte-
se pode ser testada por meio da Analise Exploratória de Dados
Espaciais (AEDE) e utilizando, para tanto, as estatísticas de
Moran Global e Local. Nestas circunstâncias, considera-se uma
matriz de contiguidade espacial do tipo Queen de primeira or-
dem normalizada na linha50 e com as seguintes características:
matriz binária de pesos espaciais (W) que atribui valor 1 (um)
para o caso em que dois municípios são vizinhos e valor 0 (zero)
no caso contrário.
50
Foram testadas as matrizes do tipo Queen e Rook: primeira, segun-
da,......,décima ordem. As estatísticas de Moran local e global assim como os
modelos estimados utilizaram a mesma matriz de vizinhança;

Baumont (2004) sugere determinado teste de diagnóstico que
possibilita encontrar a melhor matriz de pesos espaciais e captar o
máximo de dependência. Para tanto, necessita-se a realização do
seguinte procedimento: a) Estima-se o modelo clássico de regres-
são linear; b) Testam-se os resíduos desse modelo para autocorre-
lação espacial, usando o I de Moran para um conjunto de matrizes
W; c) Seleciona-se a matriz de pesos espaciais que tenha gerado o
mais alto valor de Moran e que seja significativo estatisticamente.
No Gráfico 1, demonstra-se o diagrama de dispersão de Mo-
ran Global Univariado do Rendimento Médio por Hectares da
Lavoura Permanente paraibana no ano de 2014. Nota-se, por
meio do valor de tal estatística (I = 0,529), que os dados apresen-
tam relativa similaridade entre si. Sendo assim, pode-se confir-
mar indícios de dados relativamente concentrados no espaço em
que municípios de alto rendimento médio por hectares estão ro-
deados por outros que também apresentam alto rendimento mé-
dio por hectare (AA)51 enquanto municípios de baixo rendimento
médio se encontram rodeados por outros de baixo rendimento
médio (BB) por hectare no ano de 2014.
Gráfico 1: I Moran Global do Rendimento Médio por Hectare

da Lavoura Permanente no ano de 2014 na Paraíba.
51
Q1 = Alto-Alto, Q2 = Alto-Baixo, Q3 = Baixo-Baixo e Q4 = Baixo-Alta. Hipóte-
ses do teste são: (H0) admite independência espacial e (H1) admite existência
de dependência. Destaca-se que os resultados foram significativos a 1%.

Figura 1: I Moran Local do Rendimento Médio por Hectare da
Lavoura Permanente no ano de 2014 na Paraíba.
Fonte: Elaboração dos autores a partir dos dados da pesquisa.
*Nota: Vermelho (AA), Azul (BB), Amarelo (BA) e Rosa (AB).
Destaca-se que indicador de associação espacial Global de

Moran pode ocultar ou mesmo ser insatisfatório na identifica-
ção de padrões locais espaciais [Anselin (1995), Peixoto (2004),
Almeida (2012) entre outros]. Neste caso, tem-se que os clusters
e os outliers espaciais significantes podem ser camuflados, pois
os indicadores de Moran globais são incapazes de identificar a
ocorrência de autocorrelação local. Neste contexto, necessita-se
estimar o I de Moran Local (LISA). Para Anselin (1995), tal in-
dicador é capaz de capturar possíveis padrões de autocorrelação
espacial em determinado banco de dados. Salienta-se que os re-
sultados dos indicadores de Moran foram obtidos considerando
999 permutações aleatórias e tal fato pôde aumentar a rigorosi-
dade e a robustez dos resultados.
O indicador de Moran local possui como resultado um
mapa composto por cinco cores distintas entre si: a cor ver-
melha representando os municípios que apresentam relação
do tipo Alto-Alto (localidades com altas taxas de rendimento

médio por hectare e que são cercadas por outras de alto rendi-
mento médio por hectare). Por sua vez, a cor azul representa
municípios com relação do tipo Baixo-Baixo, ou seja, locali-
dades com baixo rendimento médio por hectare e que são cer-
cadas por outras com baixo rendimento médio por hectare.
Destaca-se, ainda, a existência da relação do tipo Baixo-Alto
(na cor amarela) Tais localidades possuem baixo rendimento
médio por hectare e são cercadas por outras que apresentam
alto rendimento médio por hectare, por outro, tem-se a rela-
ção do tipo Alto-Baixo (na cor rosa) representando as localida-
des com alto rendimento médio por hectare e que são cercadas
por regiões de baixo rendimento médio por hectare. Por fim,
encontram-se municípios que apresentam a cor Branca (Não
Significante). Estes representam aquelas regiões que ao nível
de significância considerado não apresentam associação espa-
cial alguma entre si.
O resultado do LISA (Figura 1) confirma localmente a inci-
dência de autocorrelação espacial nos dados. Sendo assim, tan-
to os aspectos globais quanto locais apontam que o rendimento
médio por hectare de lavoura permanente no Estado da Paraíba
pode apresentar não aleatoriedade espacial.
Apesar da maior parte dos dados não apresentar signifi-
cância estatística (68,61%) tem-se parte relevante dos dados
que foram significantes a 5% (31,39%). Entre os significantes a
maioria (50%) é do tipo Baixo-Baixo. Nota-se a ocorrência de
três focos somando 35 municípios ao longo do território parai-
bano. Considerando a direção de Leste para o Oeste do Estado,
tem-se um grande cluester que se estende desde a Mesorre-
gião do Agreste até o Sertão da Paraíba. Tal ponto de incidên-
cia é formado por 33 municípios [Livramento, Mãe D’água,
Matureia, Olivedos, Passagem, Patos, Pedra Lavrada, Picuí,
Quixabá, Areia de Baraúnas, Salgadinho, Santa Luzia, Santo
André, Assunção, São José do Bonfim, São Mamede, Seridó,
Soledade, Sossego, Taperoá, Teixeira, Tenório, Barra de Santa
Rosa, Cacimba de Areia, Cacimbas, Casserengue, Cubatí, Da-
mião, Gurjão, Imaculada, Juazeirinho e Junco do Seridó]. Há

outro cluster na parte inferior do Sertão paraibano represen-
tado pelo município de Curral Velho e outro na parte superior
sertaneja representado pelo município de São José do Brejo
do Cruz.
Em seguida, têm-se os municípios com relação do tipo Alto-
-Alto (41,43%). Tais incidências correspondem a 29 municípios
localizados tanto na Zona da Mata quanto no Agreste da Para-
íba. Inicialmente, nota-se um grande aglomerado formado por
23 municípios [Lucena, Mamanguape, Marcação, Mataraca, Ara-
çagi, Pedras de Fogo, Pirpirituba, Pitimbu, Puxinanã, Rio Tinto,
Santa Rita, Baia da Traição, Caaporã, Conde, Cuité de Maman-
guape, Curral de Cima, Duas Estradas, Alhandra, Guarabira, Ita-
pororoca, Jacaraú, João Pessoa e Cruz do Espírito Santo] entre a
Mata paraibana e o Agreste. Por sua vez, tem-se outro cluster in-
serido totalmente no Agreste e formado por 6 municípios [Lagoa
Seca, Maçaranduba, Matinhas, São Sebastião de Lagoa de Roça,
Alagoa Grande e Alagoa Nova].
Destaca-se que tanto a relação Baixo-Alto (7,14%) quanto Al-
to-Baixo (1,43%) possuem menor representatividade. Ao passo
que se tem 5 municípios [Lagoa de Dentro, São Miguel de Taipu,
Bayeux, Cabedelo e Capim] do tipo Baixo-Alto, por sua vez, en-
contra-se apenas o município de Itaporanga com relação do tipo
Alto-Baixo.
4.2 Dependência Espacial Multivariada Global e

Local entre o Rendimento Médio por Hectare
e a Densidade Pluviométrica Municipal
Para Anselin (2003), os indicadores multivariados dão uma

indicação do grau de associação linear entre o valor de certa vari-
ável na locação i e a média de outra variável nas locações vizinhas.
Assim, averigua-se a ocorrência de associação entre rendimento
médio de lavouras permanente e a pluviosidade no ano de 2014.
Destaca-se que tanto os aspectos globais (Gráfico 2) quanto os
locais (Figura 2) deverão ser devidamente tratados na presente
análise.

Nota-se, a partir do Gráfico 2, que existe indicação de depen-
dência espacial do rendimento médio por hectare da lavoura per-
manente e a respectiva pluviosidade vigente na vizinhança. Tal
fato pode ser constatado por meio do valor apresentado pela es-
tatística global de Moran Multivariada (I = 0,472) assim, notam-
-se indícios de autocorrelação positiva atuando sobre os dados da
presente pesquisa. Neste contexto, acredita-se que municípios de
alto rendimento médio por hectare estão associados a alta plu-
viosidade observada na região. Esta indicação além de intuitiva é
aceitável, pois o aumento das chuvas, ceteris paribus, aumenta a
produção agrícola e tais fatos desencadeiam os ganhos observa-
dos no rendimento médio no ano de 2014.
Destaca-se que as chuvas podem ocasionar efeito contrário
ao expresso anteriormente, pois a incidência de chuvas pode
ser tão grande que ao invés de auxiliar a produção ocasionem
perdas com enchentes notadamente nas lavouras plantadas nas
margens de rios e açudes, outro efeito danoso do excesso de
chuvas é o apodrecimento de lavouras, derrubada de flores en-
tre outros.
Gráfico 2: I Moran Global Multivariado entre Rendimento

Médio por Hectare da Lavoura Permanente e a Pluviosidade no
ano de 2014 na Paraíba.

Figura 2: I Moran Local Multivariado entre Rendimento Médio
por Hectare da Lavoura Permanente e a Pluviosidade no ano de
2014 na Paraíba.
Fonte: Elaboração dos autores a partir dos dados da pesquisa.
*Nota: Vermelho (AA), Azul (BB), Amarelo (BA) e Rosa (AB).
Ao passo que os indicadores globais são limitados e podem

ocultar ou mesmo serem incapazes de captura determinados pa-
drões locais (clusters e outliers) estatisticamente significantes,
parte-se para construção do indicador local de associação espa-
cial denominado LISA. Destaca-se que tal procedimento estatís-
tico é capaz de identificar agrupamentos de dados espacialmente
concentrados. Assim, a partir da Figura 2, percebem-se diver-
sas formações de aglomerados ao longo do território paraibano.
Portanto, os indícios de autocorrelação espacial multivariada do
rendimento médio por hectare da lavoura permanente paraibana
no ano de 2014 pôde ser constatada tanto pelo indicador global
quanto pelo local.
A partir do indicador local é possível constatar que o rendi-
mento médio agrícola apresenta determinada concentração no
espaço paraibano. Apesar da maior parte (71,30%) dos municí-
pios apresentarem comportamento aleatorizado, existem outros

(28,70%) que forma relevante cluster e aglomerados ao longo do
espaço em análise.
Nota-se que entre os municípios que apresentaram signifi-
cância estatística a 5% a maioria (43,75%) é do tipo Alto-Alto.
Tais municípios representam localidades que apresentam alto
rendimento médio agrícola associados a alta densidade pluvio-
métrica no período. Constata-se a formação de dois clusteres so-
mando 28 municípios. Inicialmente, tem-se um primeiro foco de
incidência formado por 23 municípios [Lucena, Mamanguape,
Mataraca, Guarabira, Araçagi, Pedras de Fogo, Pipirituba, Pitim-
bu, Pedro Regis, Rio Tinto, Santa Rita, São Sebastião de Lagoa de
Roça, Baia da Traição, Bayeux, Caaporã, Cabedelo, Capim, Cruz
do Espírito Santo, Cuité de Mamanguape, Duas Estradas, Alhan-
dra, Jacaraú, João Pessoa]52 distribuídos entre a mesorregião
da Zona da Mata e do Agreste. Em outro foco de incidência nas
proximidades do município de Campina Grande é possível verifi-
car mais cinco municípios [Lagoa de Dentro, Lagoa Seca, Alagoa
Grande, Alagoa Nova, Maçaranduba] formando um aglomerado
na região Agreste do Estado.
Nas relações do tipo Baixo-Baixo (37,50%), ou seja, municí-
pios com baixo rendimento médio na produção de lavouras per-
manentes associados a ambientes de baixa pluviosidade, tem-se
24 municípios em três clusters distintos. Sendo dois situados no
Sertão, representados pelos municípios de Itaporanga na parte
inferior e o outro pelo município de São José do Brejo do Cruz
situado na parte superior sertaneja. Por fim, encontra-se 22 mu-
nicípios [Olivedos, Passagem, Pedra Lavrada, Quixaba, Areia de
Baraúnas, Salgadinho, Santa Luzia, Assunção, Seridó, Soledade,
Sossego, Taperoá, Tenório, Barra de Santa Rosa, Cacimbas, Cas-
serengue, Cubati, Cuité, Damião, Gurjão, Juazeirinho e Junco do
Seridó] formando relevante aglomerado que se estende desde a
mesorregião da Borborema até o Sertão do Estado da Paraíba.
52
Há na região da Mata paraibana o município de Marcação que apesar de
estar cercado por municípios do tipo Alto-Alto não apresentou significância
estatística a 5%.

As relações mais dissimilares entre si são representadas
pelos municípios Alto-Baixo (10,94%) e Baixo-Alto (7,81%)
apresentam, notadamente, menor quantidade de municípios.
No primeiro caso (AB) são sete [Mãe D’Água, Maturéia, Patos,
São José do Bonfim, São Mamede, Teixeira e Cacimba de Areia]
municípios formando um cluster na mesorregião do Sertão da
Paraíba. Tais municípios representam localidades com alta ren-
dimento médio por hectare de lavoura permanente associados
a baixa pluviosidade. Destaca-se que estas localidades podem
apresentar baixa incidência de chuvas e, no entanto, aumentar
relevantemente sua produção por meio de formas alternativas
de produção e utilizando as potencialidades locais. No caso do
município de Texeira o alto rendimento médio está associado as
lavouras de castanha de caju e sisal. Por sua vez, o município de
Patos apresenta importante produção de manga e goiaba em ple-
no sertão paraibano. Os municípios de Mãe D’Água e Maturéia
têm como principais lavouras permanentes a castanha de caju
enquanto São José do Bonfim investe na produção de coco. Por
fim, tem-se o município de São Mamede produzindo relevantes
quantidades de manga no período analisado.
No segundo caso, têm-se os municípios do tipo Baixo-Alto.
Encontram-se quatro focos de ocorrência distribuídos entre as
mesorregiões da Mata paraibana e Agreste [São Miguel de Taipu,
Curral de Cima, Itapororoca, Matinhas e Esperança]. São muni-
cípios que apresentam baixo rendimento médio por hectare de
lavoura permanente associados a alta pluviosidade no período.
Tais municípios são marcados por apresentar produção bastante
diversificada. Em tais municípios podem-se encontrar abacate,
castanha de caju, coco, goiaba, laranja, limão, mamão, manga,
maracujá, tangerina entre outros produtos importantes para
agricultura local e regional. Portanto, tais municípios produzem
uma série vasta de produtos agrícolas, assim, qualquer adversi-
dade climática pode influenciar negativamente a produção, seja
pela fragilidade de algumas culturas seja pela rigorosidade das
chuvas em determinados períodos.

4.3 Resultados dos Modelos Estimados
O procedimento estatístico efetuado no processo de estima-

ção dos modelos se inicia com a estimação do Modelo Clássico de
Regressão Linear (MCRL) no intuito de identificar a ocorrência
de padrão espacial não aleatorizado agindo sobre os dados. Neste
contexto, destaca-se que o resultado encontrado (6,298***) no
teste de autocorrelação efetuado nos resíduos do MCRL (Tabela
1) aponta indícios de existência de aglomerados espaciais ao lon-
go do território paraibano. Sendo assim, nota-se que o MCRL se
torna incapaz de tratar eficientemente as questões relacionadas
ao rendimento médio da lavoura permanente por hectare no ano
de 2014 no Estado da Paraíba.
Em tais circunstâncias, estimaram-se modelos espaciais de
alcance global: SAR, SEM e SAC. Almeida (2012) informa que os
testes difusos como o I de Moran possuem certa incapacidade de
indicar como a dependência espacial toma forma. Sendo assim,
sugere que os resultados do teste do tipo focado como o do Mul-
tiplicador de Lagrange são suficientes para identificar se a depen-
dência ocorre na defasagem ou nos erros do modelo estimado,
assim, tais testes devem servir como guia no processo de escolha
do modelo espacial mais adequado.
Para Anselin (2003), o processo de escolha do modelo espa-
cial pode seguir o seguinte receituário: a) estima-se o MCRL por
MQO; b) testa-se a incidência de autocorrelação, por meio das
estatísticas MLρ e MLλ; c) Se os dois testes não forem signifi-
cantes, o modelo não apresenta autocorrelação espacial (deve-se
utilizar MCRL); d) Se os dois testes forem significantes, parte-se
para as versões robustas (ML*ρ e ML*λ). Neste caso, estima-se
o modelo mais significante; e) Nos casos em que apenas um dos
testes é significante, o modelo mais apropriado é o que for signi-
ficante.
Neste contexto, nota-se que o modelo mais adequado para
estimar o comportamento espacial do rendimento médio por
hectare de lavoura permanente no ano de 2014 no Estado da
Paraíba é o SEM. Almeida (2012) destaca que neste modelo a

dependência espacial é residual e caracterizada pela estrutura
autorregressiva de primeira ordem no termo de erro. Intuitiva-
mente, tem-se que o padrão espacial é manifestado no termo de
erro e dado pelos efeitos não modelados.
Em tempo, destaca-se que os valores dos testes de Jarque-
-Bera (16,122***) e Breusch-Pagan (47,048***) sugerem que os
resíduos são não normais e heterocedasticos respectivamente.
Sendo assim, Almeida (2012) sugere um estimador alternativo
que se enquadra na classe dos estimadores de Métodos Genera-
lizados dos Momentos (MGM) adaptado para contexto espacial.
Sendo assim, a estimação do modelo espacial se baseará em Ke-
lejian e Prucha (1999) e considerando, neste caso, o procedimen-
to proposto por Kelejian e Prucha (2010), tal processo sugere a
utilização do estimador KP-HET para correção de heterocedasti-
cidade. Para Almeida (2012), tal método de estimação para o mo-
delo de erro autorregressivo é relativamente mais simples que as
efetuadas por Máxima Verossimilhança (MV) e Quase Máximas
Verossimilhança (QMV), além de prescindir da forte hipótese de
normalidade.
Tabela 1: Estimativas dos Modelos Espaciais53

SEM
MCRL SAR SEM SAC
(MQGE)53
Coeficiente Coeficiente Coeficiente Coeficiente
-350,199 -3588,213 2663,665 -1218,582 2423,828
Constante
(0,951) (0,439) (0,599) (0,815) (0,643)
0,411*** 0,234***
ρ - - -
(0,000) (0,0088)
0,494*** 0,329** 0,489***
λ - -
(0,000) (0,029) (0,000)
Densidade 20,902*** 13,383*** 17,230*** 14,410*** 17,638***
Pluviométrica (0,000) (0,002) (0,000) (0,004) (0,003)
53
Análise por Mínimos Quadrados Generalizados Exequíveis ( MQGE ). Da-
dos não normais pode desencadear problemas nas estimações efetuadas por
MV. Portanto, o melhor estimador deve ser encontrado por Método dos Mo-
mentos Generalizados (GMM) utilizando procedimento (MQGE) proposto
por Kelejian e Prucha (1999).

continuação
Rendimento
Médio da 0,343*** 0,236*** 0,310*** 0,283*** 0,314***
Lavoura Tem- (0,000) (0,000) (0,000) (0,000) (0,000)
porária
Rebanho Bo-
0,382* 0,553*** 0,363* 0,471** 0,360*
vino e Caprino
(0,100) (0,009) (0,096) (0,036) (0,076)
do Município
Dummy -
-3674,99 -4740,411 -4438,167 -4690,014 -4400,266
Mesorregião do
(0,369) (0,201) (0,219) (0,198) (0,235)
Agreste
Dummy -
-5567,507 -6099,305 -6181,319* -5785,300 -6156,702*
Mesorregião da
(0,211) (0,129) (0,105) (0,136) (0,104)
Borborema
Dummy -
-5910,529 -5119,897 -5162,319 -4883,197 -5233,685*
Mesorregião do
(0,138) (0,155) (0,126) (0,156) (0,096)
Sertão
Estatísticas
Multicolineari-
10,075 - - - -
dade
Teste Jarque- 16,122***
- - - -
-Bera (0,000)
Teste Breusch- 47,048***
- - - -
-Pagan (0,000)
Testes para Autocorrelação Espacial
Lagrange Mul- 29,148*** 34,803***
- - -
tiplier (0,000) (0,000)
0,823 6,478***
Robust LM - - -
(0,364) (0,011)
Moran’s I (er- 6,298***
- - - -
ror) (0,000)
Nº Observa-
223 223 223 223
ções

Notas: *** significante ao nível de 1%.** significante ao nível de 5%.*
significante ao nível de 10%.
Almeida (2012) informa que a interpretação dos coeficientes

β do modelo SEM não é afetada. Sendo assim, cada β é entendido
como sendo o efeito marginal da forma costumeira encontrada
nos manuais de econometria.
Assim, o valor apresentado pelo coeficiente (λ= 0,489) do
modelo SEM (MQGE) sugere que o rendimento médio da la-

voura permanente por hectare pode estar sendo influenciada
positivamente pelos valores encontrados em sua vizinhança.
Salienta-se que valores de λ maior que zero sugerem similari-
dades e homogeneidade entre os dados. Nestas circunstâncias,
tem-se que ambientes com alto rendimento médio por hecta-
re estão associados a outros de alto rendimento médio, por
sua vez, locais de baixo rendimento médio se relacionam com
ambientes de baixo rendimento médio por hectare no período
analisado.
A respeito da pluviosidade, notam-se nos dados expressos
pelo modelo SEM (MQGE), exposto na Tabela 1, que aumentos
na quantidade de chuvas sobre a superficie da terra podem elevar
o rendimento médio da lavoura permanente no Estado da Paraí-
ba. Os resultados indicam que o aumento de 1 unidade na pluvio-
sidade pode ocasionar um impulso de aproximadamente 17 reais
no rendimento médio da lavoura permanente no Estado. Logo,
o rendimento médio se mostra expressivamente correlacionado
com a quantidade de chuvas estaduais. Tais indicativos já eram
esperados, pois as chuvas em quantidades satisfatórias podem
aumentar tanto a quantidade produzida quanto a qualidade dos
produtos.
Em relação ao Rendimento Médio da Lavoura Temporá-
ria os resultados não surpreendem, logo, os dados expostos
apontam que o aumento de 1 unidade na plantação de lavou-
ra temporária pode impulsionar em cerca de 0,3 reais o ren-
dimento da lavoura permanente. Nota-se pelo sinal positivo
que o agricultor paraibano não escolhe entre produzir lavoura
permanente ou temporária. Tais produtores parecem diversi-
ficar a produção e tal fato acaba impulsionando o rendimento
médio da lavoura permanente. Uma possível explicação para
esse fato pode estar ligada a escala de produção encontrada no
campo, ou seja, o fato de produzir as duas lavouras pode levar
a novas contratações e essa mão de obra excedente pode oca-
sionar maiores cuidados com a lavoura permanente e assim
elevar a produção e consequentemente o rendimento médio
por hectare.

Outra prova de que o agricultor paraibano é um sobreviven-
te e não é um grande empresário é a relação entre rebanho do
município e a produção de lavoura permanente no Estado. Tal
relação é positiva e significativa, portanto, o aumento de 1 uni-
dade no rebanho por hectare eleva em 0,36 reais no rendimento
médio da lavoura temporária no Estado. As motivações podem
ser exatamente as mesmas do caso anterior em que o agricultor
diversifica, contrata e tais contratações melhoram o rendimento
médio de seus investimentos em lavoura permanente.
Com relação às dummies representando as mesorregiões
paraibanas, nota-se que todas as mesorregiões apresentam o
sinal esperado quando comparadas com a mesorregião da Mata
paraibana. Destaca-se que a mesorregião da Zona da Mata com-
porta mais de um terço da população do Estado e possui carac-
terísticas marcantes como vasto mercado consumidor de pro-
dutos agrícolas (restaurantes, hotéis, feiras livres entre outros),
sobretudo, nas proximidades da região metropolitana de João
Pessoa (capital do Estado) e grande João Pessoa (Cabedelo,
Bayeux e Santa Rita).
Acredita-se que a Mata paraibana apresenta boas caracterís-
ticas no que concerne a venda, escoamento e valorização do pro-
duto agrícola. Portanto, os resultados sugerem que os municípios
que compõe tanto a mesorregião da Borborema quanto do Ser-
tão apresentam características significativamente diferentes das
constatadas nos municípios da Zona da Mata. Apesar dos muni-
cípios do Agreste apresentar o sinal esperado não se mostraram
significantes.
Salienta-se que os sinais negativos de tais coeficientes in-
dicam existência de diferenciais negativos em suas respectivas
características, sendo assim, percebe-se que as características
locais de cada mesorregião possuem poder de afetar o compor-
tamento de seus respectivos rendimentos médios das lavouras
permanentes. Logo, quando comparados com os municípios da
Zona da Mata, tanto os municípios da Borborema quanto do Ser-
tão possuem rendimento médios de suas respectivas lavouras
permanentes relativamente inferiores.

A presente pesquisa procurou analisar a relação entre ren-

dimento médio das lavouras permanentes e a pluviosidade mu-
nicipal na Paraíba. Os resultados encontrados sugerem que além
de expressivamente autocorrelacionado espacialmente o rendi-
mento médio por hectare pode sofrer efeitos do contágio em seu
processo de espalhamento no espaço. Destaca-se que a autocor-
relação foi constatada tanto na forma univariada quanto na for-
ma multivariada. Assim, o rendimento médio por hectare mostra
indícios de não aleatoriedade espacial. Tal fato é constatado por
meio da AEDE fazendo uso do I de Moran global e local respec-
tivamente.
Sendo assim, apesar da maior parte dos dados não apresen-
tar significância estatística (68,61%) tem-se parte relevante que
foram significantes a 5% (31,39%). Entre os significantes a maio-
ria (50%) é do tipo Baixo-Baixo, em seguida, têm-se os municí-
pios com relação do tipo Alto-Alto (41,43%), Baixo-Alto (7,14%)
e, por fim, Alto-Baixo (1,43%).
No caso multivariado, percebe-se que o rendimento médio
possui estreita relação com a pluviosidade municipal formando
clusters e aglomerados espaciais ao longo do território paraiba-
no. Sendo que apenas 28,70% apresentaram comportamento não
aleatório. Destaca-se que a maioria (43,75%) é do tipo Alto-Alto,
seguidos pela relação do tipo Baixo-Baixo (37,50%), Alto-Baixo
(10,94%) e Baixo-Alto (7,81%) respectivamente.
Estimaram-se os modelos MCRL. No entanto, o teste de
Jarque Bera sugere não normalidade e o teste de Breusch-Pagan
indica resíduos haterocedásticos, além disso, nota-se a incidên-
cia de autocorrelação espacial. Neste contexto, estimaram-se os
modelos espaciais para resolver o problema de autocorrelação:
SAR, SEM e SAC. Salienta-se que o modelo mais adequado foi
escolhido pelo teste do Multiplicador de Lagrange o qual apon-
ta o SEM como a modelagem mais robusta. No entanto, utili-
za-se um estimador alternativo que se enquadra na classe dos
estimadores de Métodos Generalizados dos Momentos (MGM)

adaptado para contexto espacial para modelar a não normali-
dade observada.
Nota-se entre as variáveis explicativas que a pluviosidade
é a que apresenta maior correlação positiva com o rendimento
médio da lavoura permanente por hectare no Estado da Paraíba.
Em seguida, encontra-se o rebanho por hectare e o rendimen-
to médio da lavoura temporária. Já as características inerentes
as mesorregiões do Agreste, Borborema e Sertão aparentam pu-
xar para baixo seus respectivos rendimentos médios observado
na lavoura permanente. Salienta-se que apenas mesorregião do
Agreste não se mostrou significante apesar de apresentar sinal
negativo como constatado nas demais.
Por fim, pode-se concluir que o regime de chuvas é de extre-
ma importância no rendimento dos agricultores paraibanos. No
entanto, há diversos focos de alta produção agrícola associados à
baixa pluviosidade. Tais constatações alimentam a ideia da agri-
cultura local poder adaptar, por meio de pesquisas, a produção
agrícola ao clima e encontrar formas alternativas e eficientes de
garantir reservatórios que sejam capazes de fornecer água em pe-
ríodos e locais de maior rigorosidade climática mantendo produ-
ção durante períodos de maior rigorosidade climática.
REFERÊNCIAS
ALMEIDA, E. Econometria espacial aplicada. Editora Alínea,

Campinas, São Paulo, 2012. 498p.
ALMEIDA. E. S.; PEROBELLI, F. S.; FERREIRA, P. G. C. Existe
convergência espacial da produtividade agrícola no Brasil? RER,
Rio de Janeiro, vol. 46, nº 01, p. 031-052, impressa em abril 2008.
ANSELIN, L. Exploratory spatial data analysis and geographic in-
formation systems. In: PAINHO, M. (Ed.) New tools for spatial
analysis: proceedings of the workshop. Luxemburgo: Euro
Stat, p.45-54, 1994.
ANSELIN, L. (2005). Exploring Spatial Data with GeoDa: a
Workbook. University of Illinois, Urbana-Champaign.

ANSELIN, L. Spacial externalities, spacial multipliers and spacial
econometrics. International Regional Science Review, v.26, n.3,
2003.
ANSELIN, Luc. Spatial Econometrics: Methods and Models.
Kluwer Academic Publishers, 1988.
BARRETO, R. C. S.; ALMEIDA, E. S. RESR, Piracicaba, SP, vol. 47,
nº 03, p. 719-737, outubro 2009.
BAUMONT, C. Spatial effects in housing price models. Do housing
prices capitalize urban development policies in the agglomeration of
Dijon (1999). Document de travail - Economie 2004-04, LEG
-Laboratoire d’Economie et de Gestion, CNRS UMR 5118, Universi-
té de Bourgogne, 2004.
CASTRO, L. S.; ALMEIDA E. S.; LIMA, J. E. A convergência espacial
da produtividade de soja no Brasil: o caso das regiões Centro-Oeste
e Sul. Espacios. Vol. 36 (Nº 21) Año 2015.
DARMOFAL, D. Spatial econometrics and political science. In: An-
nual Meeting of the Southern Political Science Associa-
tion, Atlanta, GA, 2006.
FELEMA J.; RAIHER A. P.; FERREIRA, C. R. Agropecuária Bra-
sileira: desempenho regional e determinantes de produtividade
RESR, Piracicaba-SP, Vol. 51, Nº 3, p. 555-574, Jul/Set 2013 – Im-
pressa em outubro de 2013.
FOTHERINGHAM, A. S.; BRUNSDON, C. e CHARLTON, M. E. Ge-
ographically Weighted Regression: The Analysis of Spatially Varying
Relationships. Chichester, Wiley, 2002.

Instituto Brasileiro de Geografia e Estatística (IBGE) - Pesquisa Pe-
cuária Municipal. Sistema IBGE de Recuperação Automática - SI-
DRA. Disponível em: http://www.ibge.gov.br.
Instituto Brasileiro de Geografia e Estatística (IBGE) - Produção
Agrícola Municipal. Sistema IBGE de Recuperação Automática - SI-
DRA. Disponível em: http://www.ibge.gov.br.
JOHNSTON, B.F.; MELLOR, J.W. The role of agriculture in econo-
mic development. American Economic Review, vol. 51, n.4, p.
566-93, 1961.
KELEJIAN, Harry H..; PRUCHA, Ingmar R. A generalized spatial
two-stage least squares procedure for estimating a spatial autore-
gressive model with autoregressive disturbances. J. Real State Fi-
nance Econ., Dordrecht, v.17, n.1, p.99-121, 1998.
KELEJIAN, Harry H.; PRUCHA, Ingmar R. forthcoming. Specifi-
cation and Estimation of Spatial Autoregressive Models with Auto-
regressive and Heteroskedastic Disturbances. Journal of Econo-
metrics, Amsterdam, v. 157, n.1, p. 53-67, 2010.
LESAGE, J.; PACE, R. K. Introduction to Spatial Econometri-
cs, CRC Press, 2009.
MORAN, P. A. P. The interpretation of statistical maps. Journal of
the Royal Statistical Society B, 10:243-251, 1948.
MOREIRA, I. T.; MOREIRA, E. R. F. De território de exploração a
território de esperança: organização agrária e resistência campone-
sa no semi-árido paraibano. Revista NERA (UNESP), v. Ano 10, p.
72-93, 2007.
MOREIRA, I. T.; MOREIRA, E. R. F.; ARAÚJO, N. M. Desempenho
da agropecuária paraibana na década de 2000. Okara: Geografia
em Debate (UFPB), v. 8, p. 271-293, 2014.
PEIXOTO, B. T. Criminalidade na Região Metropolitana de Belo
Horizonte: Uma Análise Espacial. Centro de Desenvolvimento e Pla-
nejamento Regional (CEDEPLAR), Belo Horizonte, 2004.

Artigos premiados
C apítulo 9
A POBREZA RURAL NO NORDESTE
DO BRASIL
Andréa Ferreira da Silva54

Jair Andrade Araujo55
Janaildo Soares de Sousa56
RESUMO
A pobreza é um tema bastante discutido na literatura das ciên-

cias socias, ante a sua implicação nas satisfações de necessidades
básicas da população, que pode abranger tanto aspectos monetá-
rios como não monetários. Nesse sentido, o presente artigo tem
como objetivo apresentar novas perspectivas para a compreen-
são da pobreza multidimensional no Nordeste rural do Brasil nos
anos de 2007 a 2014. Como metodologia utilizou-se da proposta
dos autores Bourguignon e Chakravarty (2003), que apresentam
uma forma alternativa de medir a multidimensionalidade da po-
breza. Com dados retirados da Pesquisa Nacional por Amostra
de Domicílio (PNAD), tomou-se como referência a abordagem
das necessidades básicas e a Teoria das Capacitações que defi-
ne pobreza como um fenômeno multidimensional. Os resultados
das seis dimensões analisadas revelaram uma redução da pro-
porção de pobres multidimensionais da população da área rural
54
Economista. Mestre em Economia Rural pela UFC. Doutoranda do Curso
de Pós-Graduação em Economia - PPGE, Universidade Federal da Paraíba
(UFPB). E-mail: [email protected]. Cel.: (83) 99845-3167.
55
Prof. Dr. Adjunto do Curso de Mestrado em Economia Rural (MAER). En-
dereço: Av. Mister Hull, Bloco 826 - Campus do Pici/UFC. Fortaleza/Ceará.
Cep: 60.356-000, Fone: (85)33669720. E-mail: [email protected].
56
Economista. Mestre em Economia Rural pela Universidade Federal do Cea-
rá – MAER/UFC. Doutorando em Desenvolvimento e Meio Ambiente pela
Universidade Federal do Ceará – UFC. E-mail: [email protected].

nordestina, de 35,39% em 2007 para 33,83% em 2014. Para as
análises isoladas entre os estados, o Pernambuco e o Maranhão
apresentaram de forma mais intensa a pobreza multidimensio-
nal em sua população rural.
Palavras-chave: Pobreza Multidimensional; Privação; Gap.
1 INTRODUÇÃO
O Nordeste brasileiro, nos anos 2000, apresentou um PIB

crescente que passou de R$ 191,5 bilhões em 2002 para R$ 507,5
bilhões em 2010, obtendo um aumento de 165%, sendo este me-
nor apenas que a expansão do PIB das regiões Norte e Centro-
-Oeste. Por conseguinte, o Nordeste registou ainda a maior taxa
média anual de crescimento do PIB per capita, de 3,12% entre
2000 e 2010, assim como a região Norte (IPEA, 2014).
Apesar de tamanha taxa de crescimento dos indicadores eco-
nômicos, o desenvolvimento do Nordeste ainda não se reflete na
qualidade de vida da sua população. Ottonelli (2013) afirma que
em 2010, a pobreza afeta mais de 16 milhões de pessoas extre-
mamente pobres no Brasil, que vivem com uma renda per capita
mensal de até R$ 70,00. Desse total, 9,6 milhões se encontravam
na região Nordeste, representando 59% dos extremamente po-
bres no país.
Devido alta incidência de pessoas extremamente pobres no
país, inclusive no Nordeste brasileiro, o Governo Federal, nos úl-
timos dez anos, implantou políticas e ações voltadas a assistência
social, e principalmente para promover a proteção por meio de
programas de transferências de renda, para assim aperfeiçoar o
combate à pobreza.
Surge, portanto, diversos estudos econômicos, por exem-
plo em Araujo, Morais e Cruz (2013) e Silva, Araujo e Campe-
lo (2014) que tratam de estudar o conceito de pobreza de forma
multidimensional nos diferentes estados do Nordeste brasileiro.
Contudo, é observado a heterogeneidade da pobreza entre as áre-
as urbanas e rurais da região.

Diante disso, surge a importância de analisar a pobreza
no Nordeste rural brasileiro não apenas pela ótica da renda.
É necessário, portanto, ampliar o estudo para o atendimento
das necessidades básicas e incrementar à definição de po-
breza um caráter multidimensional. Esta discussão em torno
dessa nova abordagem foi iniciada na década de 80, tendo
como referência o economista Amartya Sen. Na verdade, o
conceito é tratado, em sua maioria, como associado à pri-
vação ou à carência de determinados atributos, sejam eles
monetários ou não.
Desse modo, o presente trabalho se propõe a apresentar no-
vas perspectivas para a compreensão da pobreza multidimen-
sional no Nordeste rural do Brasil nos anos de 2007 a 2014, ao
considerar outras dimensões além da renda. Com a finalidade de
auxiliar politicas publicas focadas na sua redução e aceleração do
processo de desenvolvimento dessa área com índices de privação
tão ou mais elevados, quando comparados com as áreas urbanas
e metropolitanas do Nordeste.
Esse artigo, além de apresentar um exercício empírico
inovador ao mensurar a pobreza por diferentes dimensões,
avança no entendimento do fenômeno ao incluir na análise
as recomendações da Lei de Diretrizes e Bases da Educação
(LEI 9.394/1996), no qual afirmar que existe um nível de
escolaridade mínima requerida para uma determinada fai-
xa etária de idade dos estudantes. Parte-se da hipótese que
parte da população rural dos estados nordestinos sofre de
privações importantes.
A metodologia foi construída por Bourguignon e Chakravar-
ty (2003), detalhada por Mideros (2012). Apresenta-se forma
alternativa de medir a multidimensionalidade da pobreza ao es-
pecificar uma linha de pobreza para cada dimensão e considera
que uma pessoa é pobre, se mantiver abaixo de pelo menos em
uma destas várias linhas. Considera-se, assim, a privação e não
privação sobre as famílias e indivíduos.
A escolha das dimensões advém das disponibilidades de in-
formações da principal pesquisa domiciliar brasileira – a Pes-

quisa Nacional por Amostra de Domicílios (PNAD). Os anos que
serão estudados são sete anos a partir da década de 2000, sendo
eles de 2007 à 2014.
Como justificativa para a escolha desses anos, resolveu-se
analisar o período que compreende a ação governamental sob
liderança do Partido dos Trabalhadores, o PT. Considerado um
período com taxas de crescimentos significativas, observou-se
que muito mais do que gerar riqueza e promover o crescimento
do PIB e da renda per capita, é preciso que as ações considera-
rem a apropriação e distribuição da riqueza gerada e a melhoria
das condições de vida da população.
O artigo é dividido em cinco seções. Inicialmente, na seção 2,
serão apresentados os conceitos sobre a pobreza multidimensio-
nal e suas abordagens, e logo sem seguida, algumas evidências de
estudos para o Nordeste brasileiro. A terceira seção apresenta a
base de dados e a construção das dimensões utilizadas. Na quar-
ta seção especifica-se a metodologia. Na quinta seção são anali-
sados os resultados do modelo. Na última são apresentadas as
principais considerações finais.
2.1 Pobreza Multidimensional: Abordagem das neces-

sidades básicas e a Abordagem das capacitações
No estudo multidimensional da pobreza, duas aborda-

gens têm se destacado: a abordagem das necessidades bási-
cas e a abordagem das capacitações. Segundo Araujo, Morais
e Cruz (2013) a abordagem das necessidades básicas ganhou
espaço e alcançou seu auge na década de 1970 e passou a
dominar as políticas de desenvolvimento de alguns órgãos
internacionais.
Para Rocha (2006) ainda define que a abordagem das neces-
sidades básicas significa ir além daquelas definições de alimenta-
ção ou nutrição, para, assim, incorporar uma noção mais ampla
das necessidades humanas, tais como educação, saneamento,

habitação. Essa noção de pobreza abrange outros aspectos da
vida cotidiana dos indivíduos, pelo simples fato de que elas não
apenas se alimentam, mas se relacionam, e trabalham, tendo,
portanto, uma vida social.
De acordo com Stewart (2006), a abordagem das neces-
sidades básicas tem, apenas, a intenção de complementar o
crescimento econômico, pois considera que este é essencial
para geração de renda para as populações pobres e de receitas
públicas que assegurem a oferta dos bens e serviços públicos.
Trata-se apenas de refutar o argumento de que o crescimen-
to econômico é somente a condição suficiente para reduzir ou
evitar a pobreza.
Já com relação a abordagem das capacitações, conforme
Lacerda (2009), no final da década de 1970 e início dos anos
1980 os trabalhos do economista Amartya Sen se constituem no
ponto de partida da formulação dessa teoria. A intenção dessa
abordagem não se restringe apenas à análise da pobreza, traz
contribuições importantes para a teoria do bem-estar social e
para a teoria do desenvolvimento socioeconômico.
Thorbecke (2008) afirma que a compreensão do concei-
to de pobreza tem melhorado e se aprofundado consideravel-
mente nas últimas três décadas ou mais após Sen. Atualmente,
possui-se ferramentas empíricas para identificar e localizar os
pobres, descrever suas características e medir o grau de po-
breza em diferentes níveis de agregação. No entanto, apesar
de todo o avanço metodológico na análise da pobreza, um nú-
mero conceitual de pontos continua ainda à ser abordadas ou
esclarecidas.
Destacando-se por ser uma abordagem não utilitaris-
ta da pobreza, a abordagem das capacitações é uma vertente
particular do desenvolvimento, segundo o qual a liberdade é
um elemento substantivo básico na vida das pessoas (SILVA,
2009).
Os indivíduos têm o direito de praticarem suas liberdades
bem como de fazerem respeitar seus direitos e busca analisar as
diferentes formas de acesso aos recursos privados e coletivos. É

importante ressaltar não apenas os direitos sociais, mas também
os direitos civis e políticos.
Conforme Kuklys (2005), a abordagem das capacitações
opera claramente em dois níveis. O primeiro, refere-se à reali-
zação de bem-estar que é mensurado em termos de “funciona-
mentos”. Entende-se que funcionamentos refletem vários acon-
tecimentos ou bens que um indivíduo pode considerar valioso
fazer ou ter.
O segundo diz respeito ao potencial de bem-estar que é esti-
mado em termos de “capacidades”. Em que um indivíduo consis-
te nas diversas combinações de funcionamentos cuja realização
é possível para ele. Assim, a capacidade é um tipo de liberdade, a
liberdade provável de realizar combinações alternativas de fun-
cionamentos.
Conforme Bourguignon e Chakravarty (2003), o bem-estar
é intrinsecamente multidimensional sobre o ponto de vista das
capacitações e funcionamentos. Isto, assim, funcionamentos
são minunciosamente motivados por atributos como capaci-
dade de ler e escrever, expectativa de vida, entre outros e não
apenas pela renda.
Todavia, segundo Salama e Destremau (1999) existem crí-
ticos direcionados à abordagem multidimensional da pobreza, a
qual apresenta evidências quantitativa e qualitativa. A primeira
crítica argumenta que a estimativa empírica da pobreza multidi-
mensional é dificultada pela necessidade de ponderação de múl-
tiplos conceitos de pobreza em um único indicador.
A segunda, de caráter qualitativo expõe que a abordagem
multidimensional da pobreza pode criar um conflito entre as
suas causas e a real pobreza, referente à renda, no que pode levar
a uma subestimação do papel da renda sobre esse fenômeno.
Cabe destacar que a opção por o enfoque da pobreza mul-
tidimensional não significa o abandono da renda como uma di-
mensão da pobreza, embora alguns trabalhos não incluam essa
variável. Conforme enfatizado por Sen (2000), a renda é uma
importante dimensão da pobreza, mas não pode ser considerada
a única.

Sendo assim, para Silva e Neder (2010) a pobreza baseada
na escassez de renda não é uma ideia totalmente infundada,
já que a insuficiência de renda é limitadora dos atos dos indi-
víduos e a principal causa da fome individual e coletiva. Uma
renda inadequada é, com efeito, uma forte condição de uma
vida pobre.
Por isso os níveis de renda são relevantes, pois permitem que
as pessoas adquiram bens e serviços e que usufruam de um de-
terminado padrão de vida. Por este motivo, a dimensão renda
está presente na maioria dos estudos multidimensionais.
2.2 Pobreza Multidimensional no Nordeste brasi-

leiro, algumas evidências
De forma distante ao que se tem caracterizado o estudo uni-

dimensional da pobreza no Brasil, como também na Região Nor-
deste, surgem alguns novos trabalhos para essa região, que ado-
tam o enfoque multidimensional, sinalizando a possibilidade e a
inovação de um novo redirecionamento nas análises e medições
da pobreza no país.
Essa nova abordagem reforça e tem um maior foco para au-
xiliar a intervenção pública por meio de políticas sociais do go-
verno. Vários estudiosos já apresentaram trabalhos sobre essa
abordagem para o Nordeste brasileiro. Sendo assim, nessa ses-
são serão apresentados alguns dos trabalhos sobre o tema para
a região.
Por exemplo, Silva (2009) tem como objetivo analisar a
pobreza na região Nordeste do Brasil considerando aspectos
multidimensionais de privação. Destaca-se como esta questão é
alarmante na região. E para mensurar a pobreza, a autora ope-
racionaliza este fenômeno por meio da análise fatorial de cor-
respondências múltiplas utilizando variáveis qualitativas selecio-
nadas a partir da Pesquisa Nacional por Amostra de Domicílios
(PNAD) dos anos de 1995, 1999, 2002 e 2006. Conclui que os
estados em maior situação de privação foram, Maranhão, Alago-

as e Piauí. E a menor pobreza multidimensional para esse ano foi
observada no Rio Grande do Norte.
Caldas e Sampaio (2012) tinham como objetivo mapear a po-
breza no Nordeste do Brasil no que se refere à carência de itens
de consumo e habitação, e contrastá-los com a insuficiência de
renda. Utilizaram dados da PNAD em 2009, e dentre os princi-
pais resultados, encontrou-se que o Nordeste apresenta um dos
maiores percentuais de domicílios sem acesso aos itens de habi-
tação e consumo e é a pior região no Brasil em termos absolutos.
Na dimensão de habitação, o item mais escasso é a “água canali-
zada” e na dimensão de consumo, “geladeira” é o que mais falta
nos domicílios brasileiros.
Segundo Quintela, Alves e Silva (2013) estudaram a men-
suração da pobreza multidimensional no Nordeste brasileiro e
utilizaram a metodologia empregada pelo PNUD para a cons-
trução do Índice Multidimensional da Pobreza com dados dos
censos demográficos de 2000 e 2010. Concluíram que pelos es-
tados que compõe a região, destacando, em 2000, os estados
do Maranhão e do Piauí apresentaram maior concentração de
municípios com elevadas proporções de pessoas multidimensio-
nalmente em 2010.
Araujo, Tabosa e Morais (2013) têm como objetivo anali-
sar a pobreza multidimensional no Nordeste do Brasil no ano
de 2009. Como metodologia empregada aplicou-se a análise de
correspondência múltipla (ACM). Concluem que a proporção
de pobres mensurada unicamente pela insuficiência de renda é
inferior ao da análise multidimensional, ou seja, os indicadores
multidimensionais não são condizentes com os unidimensionais
para todos os estados do Nordeste em 2009.
Por fim, para Lacerda, Araújo e Campos (2013), a região
Nordeste apresenta, ainda nos dias atuais, graves problemas
sociais associados à insatisfação de necessidades básicas. Se
a pobreza no Brasil já é considerada preocupante, a do Nor-
deste brasileiro apresenta-se ainda mais alarmante. Afirmam

que não basta somente combater a pobreza com uma redistri-
buição de renda, como se a pobreza fosse somente uma insu-
ficiência de renda. É preciso relacionar essa redistribuição a
assistência aos pobres capaz de proporcionar a sua inserção
econômica, social e política na sociedade. Diante de toda a
explanação, é preciso então que haja o redirecionamento do
debate acerca da pobreza e desigualdade, e o ponto de partida
são as análises multidimensionais.
3 BASE DE DADOS E CONSTRUÇÃO DAS

DIMENSÕES
A fonte de dados, utilizada para a construção dos in-

dicadores e dimensões composto na pobreza multidimen-
sional, foi a Pesquisa Nacional por Amostra de Domicílios
(PNAD) referentes aos anos de 2007 a 2014. Neste trabalho,
considerou-se seis dimensões na elaboração de um indica-
dor multidimensional, conforme a Tabela 1. Nota-se, além
das 6 dimensões, 22 variáveis derivadas a partir das variá-
veis originais extraídas das PNADs. Elas foram escolhidas
com base na revisão da literatura acerca da temática da po-
breza, tanto sob o enfoque das necessidades básicas quanto
das capacidades.
l
Na Tabela 1 estão os indicadores Xi, k construídos para
i={1,2,...,n} pessoas, j={1,2,...,h} domicílios e , k={1,2,...,m} di-
mensões. Todos os indicadores têm um valor máximo de 1 (não
privado) e um mínimo de 0 (privação total). Os indicadores são
definidos entre 0 e 1 para reduzir os problemas de descontinui-
dade, mas são limitados pela informação disponível. Com o fim
de obter diferentes conjunto de dados categóricos se estabele-
cem diferentes níveis equidistantes (ou seja, os indicadores são
ordinais).

Tabela 1: Dimensões e Indicadores da Pobreza Multidimensional.
Fonte: Elaboração pelos próprios autores a partir dos dados da PNADs.

A dimensão 1: alimentos e água, a variável água mede se
há abastecimento de água apropriada na moradia. Já a segun-
da, captura a capacidade de compra de alimentos, por meio da
condição monetária, fazendo uma relação da renda per capita do
indivíduo com a linha de pobreza de renda. As linhas de pobreza
utilizadas foram do Instituto de Estudo do Trabalho e Sociedade
(IETS), elaboração de Sonia Rocha com base na POF (Pesquisa
de Orçamento Familiar).
A dimensão 2: comunicação e informação também entra na
análise, considera como indivíduos privados os que não possui
meios de informação para a vivencia na sociedade atual. As vari-
áveis adotadas no estudo são: telefone, televisão, computador e
internet.
A dimensão 3: educação, apresenta mais uma novidade para
a mensuração da pobreza multidimensional no Brasil neste tra-
balho. Leva em consideração a Lei de Diretrizes e Bases da Edu-
cação (Lei 9.394/1996), que estabelece as diretrizes e bases da
educação nacional, na qual afirma que há um nível de escolarida-
de mínima requerida para uma determinada faixa etária.
Assim, para o morador com nível de escolaridade maior do
que o requerido na sua idade, é considerado não privado, caso
contrário, privado. Considerando também os indivíduos de 18
anos ou mais que não tenham a quantidade de anos de estudos
referentes a conclusão do ensino médio, sendo este considerado
carente com relação a anos de estudo não sendo capaz de conse-
guir um emprego digno sem ao menos o ensino médio concluído,
seria considerado privado.
Sendo assim, a dimensão educação está dividida em 6 variá-
veis em análise, a idade adequada referente a cada etapa escolar:
Ensino primário, ensino fundamental incompleto e completo,
ensino médio incompleto e completo. Essas categorias, em cujas
especificações se levou em conta o número de anos de estudo mí-
nimos exigidos para conclusão dos níveis de ensino. Ao incluir
essa variável no indicador, a intenção foi captar não somente o
ano de estudo médio por indivíduo, mas também o “contexto
educacional” no qual o indivíduo está inserido.

A proporção de crianças da escola trata-se em relação ao to-
tal de crianças no domicílio. De acordo com a Lei nº 8.069/90,
art. 2º, considera-se criança a pessoa até 12 anos de idade incom-
pletos, e adolescentes aquela entre doze e dezoito anos de idade.
A dimensão 4: Condições de Moradia, na sua análise foram
utilizadas as variáveis: tipo de moradia, iluminação, material de
parede, material do teto, e número de pessoas por dormitório.
Ainda que essas variáveis possam ser discutidas quanto à sua uti-
lidade na análise da pobreza, percebesse que a ausência de condi-
ções adequadas de moradia se configura em um tipo de privação
importante, além de ser um abuso aos direitos sociais garantidos
pelo texto constitucional brasileiro.
E outro pronto relevante do estudo dado nessa seção é a di-
mensão 5: saúde. Como não existem variáveis especificas que
possa trazer informações a respeito dessa dimensão, serão utili-
zados proxies para estuda-la, sendo elas: esgotamento sanitário,
condição sanitária e eliminação do lixo. A justificativa para essa
escolha foi o entendimento de que a falta de acesso, ou o acesso
inapropriado, a qualquer uma dessas variáveis pode ocasionar
sérios prejuízos à saúde do indivíduo, principalmente no que diz
respeito à saúde básica.
E por fim, na dimensão 6: trabalho e demografia, analisa: tra-
balho precário e a razão de dependência por domicilio. Classifi-
cou-se como situação de trabalho precário aquela na qual o traba-
lhador não era segurado da previdência social nem contribuinte
de outro instituto de previdência e, por isso, não tinha proteção
contra os chamados riscos sociais (incapacitantes ao trabalho).
E a variável razão de dependência é um indicador demográ-
fico utilizado nas análises de mercado de trabalho, pois trata da
relação entre pessoas em idade potencialmente inativa e pessoas
em idade potencialmente ativa. As pessoas com idade inferior a
14 anos ou igual ou superior a 60 anos foram definidas como de-
pendentes. A especificação do limite na idade de 60 anos ou mais
se pautou no que foi estabelecido pelo Estatuto do Idoso (Lei
10.741/2003), que considera idoso o indivíduos que esta nessa
faixa etária (LACERDA, 2009).

4 METODOLOGIA
Conforme Bourguignon e Chakravarty (2003) uma maneira

simples de definir a pobreza e a contagem do número de pobres é
levar em consideração a possibilidade de ser pobre em qualquer
dimensão da pobreza. Uma forma de fazer isso é definir a vari-
ável indicador de pobreza. Um enfoque multidimensional defi-
ne a pobreza mediante um vetor de características particulares
(TSUI, 2002).
Em termos gerais, um índice de pobreza multidimensional
pode ser apresentado como uma função:
P(X, z): M × Z → R1+
em que é uma matriz de atributos, como renda, educação, saúde,
(n x m), para i = {1, 2,..., m} pessoas e k = {1, 2,..., m} dimensões, z
∈ Z é um vetor de limites ou “níveis minimamente aceitáveis” para
diferentes atributos (BOURGUIGNON e CHAKRAVARTY, 2003).
Um índice pode ser construído por meio de pelo menos três
diferentes abordagens metodológicas: a abordagem axiomática,
a teoria dos conjuntos fuzzy e a teoria das informações (MAA-
SOUMI e LUGO, 2008).
Com base em Bourguignon e Chakravarty (2003) - um índice
multidimensional geral – pode ser decomposto e cumpre os axio-
mas necessários, pode ser definido como:
(1)
Ou de forma geral, como:
(1,1)
Por abordagem vinculativa para definir f (∙) e usando uma

variação no índice de Foster, Greer e Thorbecke (1984) para cap-
turar a severidade da pobreza, a pobreza multidimensional pode
ser medida da seguinte forma:

(2)
Em (2) presume-se que as dimensões não são substituíveis

mas se inter-relacionam com o nível geral de pobreza, o que é con-
sistente com uma abordagem baseada em dimensões de bem es-
tar. No nível individual, mais peso é dado para as dimensões que
apresentam um maior Gap de privação e, em seguida, mais peso é
atribuído a pessoas com maiores níveis de privação. Isto faz com
que o índice seja sensível para a distribuição de pobreza. A pobreza
a nível individual se define por: , com um valor máximo
de 1 (pobreza total) e um mínimo de 0 (sem pobreza).
Para cada dimensão, pode ser estimado os índices de inci-
dência (proporção de pobres) e os níveis de privação para dife-
rentes regiões e grupos demográficos. Para o índice de incidência
é considerado que todas as pessoas que estão abaixo do limite em
pelo menos uma variável sofrem privação (enforque de união),
com base em a seguinte regra:
(3)
O nível de privação para cada pessoa em cada indicador se

^
l
mede diretamente por Xi,k , embora o nível privação individual
em cada dimensão é determinada pela função de agregação gk(.)
como segue:

(4)
Onde os indicadores se agregam a nível para cada dimen-

p
são sobre a base da seguinte função: Xi,k = gk (Xi,k
l
,...,Xi,k) para
as variáveis l = {1, ..., p}, onde a função gk(.) é específica de cada
dimensão k. Todos os indicadores têm o valor máximo de 1 (nível
alcançado) e um valor mínimos de 0 (privação total), sendo essa
definição utilizada para reduzir os problemas de descontinuidade.
Finalmente, o nível de privação global que pode ser decom-
posto para cada dimensão é:

(5)
O nível de privação global (Xî,k) se mede usando (4) em cada

dimensão e se define como o nível de privação médio entre as
variáveis. Para identificar o nível de privação de cada dimensão,
a reformulação dos índices é feita usando a fórmula: Xî,k = 1 – Xi,k,
onde o nível de privação Xî,k é interpretado como a diferença re-
lativa entre o nível individual de Xi,k e o limite da privação zk = 1,
com um valor máximo de 1 (privação total) e um mínimo de 0
(sem privação).
Mediante a utilização de (5) é possível decompor o nível de
privação por região e grupo demográfico da seguinte forma:
em que S é o conjunto de grupos {1, ..., q}, e {1, ..., q}, e

.
Inicialmente analisa-se os resultados dos graus de privação

em cada um dos indicadores e nas respectivas dimensões, de
2007 a 2014. Os Gaps, que é a distância dos indivíduos pobres
a um limite de pobreza, também serão apresentados para cada
dimensão diferenciando a área rural dos nove estados da região
Nordeste, e grupos: sexo, faixa etária e raça. E, num segundo mo-
mento, por fim, a pobreza multidimensional é analisada.
5.1 Incidência de Privação na área rural nordestina:

Indicadores e suas Dimensões
A Tabela 2 mostra a incidência de privação na área rural

do Nordeste brasileiro, de 2007 a 2014, entre os indicadores e
dimensões. A dimensão água e alimentos é definida por duas

varáveis: água na moradia e capacidade de compra de alimen-
tos. Considerando água na moradia, esta é definida como bem
de necessidade básica para a sobrevivência humana, e sua pro-
veniência nos domicílios mede a privação ou não da população.
Se o abastecimento for da rede geral de distribuição o domicí-
lio é considerado não privado. Contudo, se for proveniente de
poço ou nascente, ou outra providencia é denominado privado
do bem. Ante a isso, a percentagem de pessoas que não têm um
abastecimento água potável, proveniente da rede geral de distri-
buição, em seus domicílios caiu de 45,04% em 2007 para 32,46%
em 2014, sinalizando ainda um alto índice de privação entre a
população da área rural nordestina.
Por outro lado, variável capacidade de compra de alimentos
mede a privação monetária (ou seja, a renda), como um substi-
tuto para a privação de alimentos. Os domicílios com renda per
capita inferior a linha de pobreza é considerado privado, por não
ser capaz de consumir a necessidades nutricionais mínimas. As-
sim, o percentual de pessoas com a privação monetária, também,
houve uma redução de 11,03% para 9,02% no mesmo período.
Importante observar que na dimensão como um todo, o impacto
da redução foi maior em conjunto, do que quando os indicadores
são analisados separadamente. Houve uma queda de 50,39% em
2007 para 32,77% em 2014, redução de 17,62% da pobreza mul-
tidimensional rural do nordeste brasileiro na dimensão água e
alimentos.
Logo em seguida é observado a dimensão de comunicação e
informação, a qual é medida por cinco variáveis a nível domici-
liar: a posse de telefone (incluindo fixo ou celular), uma televisão
(preto e branco ou colorida), um computador, e acesso à inter-
net. Destaca-se que a maioria destes acessos à informação não
significa uma verdadeira privação, e também não traz nada sobre
a qualidade da informação que os domicílios acessam. Embora
seja necessária uma análise completa desses critérios, mas isso
está além do escopo desta investigação.
Diante isso, a Tabela 2 mostra que, entre 2007 e 2014, a
incidência de pobreza apresentou uma trajetória de queda em

todos os indicadores. Os que apresentaram os maiores impac-
tos de redução da privação foram: telefone, redução de 63,46%
em 2007 para 18,81% em 2014, televisão, redução de 12,07% no
mesmo período, computador, redução de 10,60%, e internet,
reduzindo 7,46%. No ano 2014, os maiores índices de privação
foram registrados para acesso à internet (91,82%) e computador
(87,445%). Enquanto os níveis mais baixos de privação são de te-
levisão (4,14%) e telefone (18,881%). Como pode ser observado,
quando se trata da privação de computadores e internet, embora
os graus de ambos tenham apresentado queda no período, ainda
assim, permanecem consideravelmente elevados. Deste modo, é
possível que a redução da privação encontre-se correlacionada a
propagação tecnológica ocorrida nos últimos anos, que propor-
cionou uma maior facilidade ao acesso as novas tecnologias de
comunicação.
Os maiores indicadores de privação se concentram na di-
mensão educação. Precisamente por conta de a pesquisa levar em
consideração a adoção da Lei de Diretrizes e Bases da Educação
(Lei 9.394/1996), que estabelece as diretrizes e bases da educa-
ção nacional. No ensino primário, de acordo com a Lei, crianças
com até 5 anos de idade, podem ter no máximo 5 anos de escola-
ridade, denominado ensino pré-escolar. No ensino fundamental
incompleto, crianças de 6 anos a 10 anos de idade para não serem
consideradas privadas devem ter de 4 a 9 anos de estudo. No en-
sino fundamental completo, estariam as crianças de 11 a 14 anos
que estariam terminando o ensino fundamental em torno de 8
a 14 anos de escolaridade. No ensino médio incompleto, os pré-
-adolescentes em torno dos 15 a 17 anos estariam completando
o ensino médio de 12 a 15 anos de estudo. E por fim, no ensino
médio completo, estão os jovens acima de 18 anos que devem ter
no mínimo 15 anos de escolaridade para poder ter uma boa for-
mação educacional e ter capacidade para entrar no mercado de
trabalho e não ser considerado privado de educação. E a propor-
ção de crianças na escola refere-se ao total de crianças no domi-
cílio. Na dimensão educação, como pode ser observado na Tabela
2, há uma pequena redução na privação: em 2007 era de 99,36%,

passando para 98,32% em 2014, queda de 1,04%. O ensino que
apresentou uma maior redução na privação foi a proporção de
crianças na escola, reduziu 2,59% de 2007 para 2014. Logo em
seguida, ensino fundamental incompleto e o ensino fundamental
completo, com 1,56% e 1,55% respectivamente. O que se percebe
é o alto índice de privação de educação para as crianças/jovens
das áreas rurais nordestinas, e pior ainda, a lenta redução desse
problema ao longo dos últimos anos.
Tabela 2: Incidência de Privação no Nordeste rural brasileiro,

2007-2014 (%).
Dimensões/Variáveis 2007 2008 2009 2011 2012 2013 2014
Dimensão 1: Água e
50,39 49,03 45,67 43,22 38,76 34,24 32,77
Alimentos
Água na Moradia 45,04 43,63 39,77 34,97 33,59 33,60 32,46
Capacidade de compra de
11,03 11,21 12,11 12,90 8,95 10,57 9,02
alimentos
Dimensão 2: Comuni-
99,28 98,72 98,36 96,78 95,01 93,60 92,08
cação e Informação
Telefone 63,46 53,96 49,53 33,33 28,18 23,46 18,81
Televisão 16,21 11,34 9,64 6,46 5,23 4,59 4,14
Computador 98,05 97,34 96,60 94,52 91,82 89,97 87,45
Internet 99,28 98,68 98,31 96,60 94,69 93,40 91,82
Dimensão 3: Educação 99,36 99,18 99,11 98,78 99,03 98,56 98,32
Ensino Primário 87.69 87,59 88,01 87,17 87,69 87,36 87,20
Ensino Fundamental
97,53 97,42 97,24 96,49 96,75 96,25 95,97
incompleto
Ensino Fundamental
98,65 98,45 98,24 97,62 97,92 97,41 97,10
completo
Ensino Médio incompleto 99,33 99,15 99,05 98,66 98,89 98,40 98,11
Ensino Médio Completo 99,36 99,18 99,10 98,78 99,02 98,56 98,31
Proporção de crianças na
4,39 3,71 3,10 2,76 2,20 1,14 1,80
escola
Dimensão 4: Condi-
31,16 31,74 29,03 29,86 25,26 24,50 24,35
ções da Moradia
Tipo de Moradia 17,32 18,86 17,79 16,57 15,52 16,00 15,81
Iluminação 6,52 95,98 3,21 2,27 1,30 0,96 0,61
Material da Parede 6,29 6,32 6,17 8,34 5,85 5,63 5,65

continuação
Material do Teto 2,15 1,01 1,50 2,06 1,28 1,06 1,39
Nº de pessoas por dor-
8,00 7,02 6,57 6,52 5,47 4,48 5,19
mitório
Dimensão 5: Saúde 96,32 95,93 96,75 95,69 96,32 96,82 95,91
Esgotamento Sanitário 95,79 95,45 96,61 94,66 94,66 95,59 95,08
Condição Sanitária 77,88 76,52 74,73 76,33 77,97 74,42 72,27
Eliminação do lixo 1,04 1,28 0,71 1,12 0,85 0,67 0,88
Dimensão 6: Trabalho
69,90 70,39 69,03 68,59 71,31 69,43 67,29
e Demografia
Trabalho Precário 59,14 59,40 58,27 57,52 62,28 60,20 57,39
Razão de dependência por
23,74 23,96 22,41 25,02 23,74 22,87 21,93
domicilio
Para medir a privação de habitação são levados em conta

cinco indicadores. A Tabela 2 mostra a percentagem de popula-
ção com privação na moradia. Aproximadamente 15,81% popula-
ção rural nordestina não possui uma moradia própria já quitada
em 2014. É percebido que esse indicador é menor do que essa
mesma investigação feita para outras áreas do Nordeste como
apresentado em Silva, Araujo e Campelo (2014), como causa
pode ser observado que embora apresentem um alto índice de
privação em todas as outras dimensões, os moradores das áre-
as rurais possuem seu próprio terreno, e assim, constroem suas
próprias casas, sendo esse um processo mais fácil quando com-
parada a área urbana. Houve uma variação de queda durante os
anos analisados com relação ao tipo de moradia, comparando
2014 a 2007 houve uma queda de 1,51%, na privação de moradia.
No que diz respeito à iluminação, qualidade de teto, e número
de pessoas por dormitório houve uma redução não muito signi-
ficativa nos índices de incidência, nos quais já apresentam uma
baixa privação. Já o indicador iluminação apresentou uma que-
da, bastante significativa quando comparado aos outros indica-
dores, de 5,91% no índice de privação. E em 2014, apenas 5,19%
da população rural vive em uma casa com mais de três pessoas
por quarto.

Um aspecto interessante na próxima dimensão em análise
é que foram utilizadas as condições de saneamento básico como
proxy para analisar a dimensão saúde. Como justificativa, a falta
de acesso, ou o acesso inapropriado, a qualquer uma dessas va-
riáveis de saneamento pode ocasionar sérios prejuízos à saúde
do indivíduo, principalmente no que diz respeito à saúde bási-
ca. A Tabela 2 mostra que, na dimensão, houve uma redução da
sua privação, de 96,32% em 2007, para 95,91% em 2014, ou seja,
queda de 0,41% no período analisado. Essa redução não tão sig-
nificativa pode ser explicada porque também ocorreu uma redu-
ção quase que irrelevante em todos os indicadores da dimensão.
Na condição sanitária, indicador com maior impacto na redução
da privação, houve uma queda apenas de 5,61%. Diminuição
também no esgotamento sanitário, e na eliminação do lixo, de
0,71% e 0,16%, respectivamente, de 2007 para 2014.
Por fim, na dimensão trabalho e demografia, trabalho precá-
rio foi denominado aquele no qual o trabalhador não era segura-
do da previdência social nem contribuinte de outro instituto de
previdência. E demografia, a razão de pessoas dependentes por
domicílio, sendo elas as menos de 14 anos e maiores de 60. A
Tabela 2 apresenta a incidência de privação para cada indicador.
Na análise da dimensão de forma geral, mais de 50% da popula-
ção sofre de privação de trabalho digno, ou seja, mais da metade
da população rural do Nordeste brasileiro em 2014 ainda traba-
lham em situação de trabalho precário. Apresentou apenas uma
redução de 1,75% de 2007 para 2014, com isso, ainda permanece
uma taxa de privação bastante elevada. Por outro lado, a razão de
dependência apresenta uma taxa de privação considerada baixa,
pois 21,93% da população em 2014 apresenta alguma relação de
dependência nos domicílios das áreas rurais do Nordeste.
5.2 Os Gap’s de Privação
O Gap de privação é apresentado na Tabela 3 por dimensões e

grupos demográficos. Os números mostram a diferença média para
as áreas rurais dos nove estados da região Nordeste, e para os dife-
rentes grupos populacionais. Como discutido na seção 4, que trata

da metodologia, os gap’s ou lacuna de privação representam a dis-
tância entre os indivíduos pobres e um determinado limite de po-
breza total, variando entre 0 e 1 e calculados para cada dimensão.
Pode-se observar que a pobreza na dimensão alimentos e
água, Tabela 3, é um problema para as áreas rurais dos estados
do Nordeste, pois esse apresentou um aumento no Gap de priva-
ção no período em estudo. Em sua grande maioria, as áreas rurais
apresentam um crescimento no Gap de privação nos Estados. As
áreas rurais do Pernambuco, Paraíba, Rio Grande do Norte, Ma-
ranhão, e Ceará são os estados que apresentam o maior Gap de
privação em 2014, com taxas de 49,75%, 46,06%, 33,06%, 32,61%
e 32,53%, respectivamente. Já o estado com o menor Gap de pri-
vação em 2014, é o Piauí com apenas 15,43% de sua população
rural considerada privada com relação a dimensão água e alimen-
tos. Verificou-se que com relação aos grupos populacionais não há
uma lacuna tão significante com relação a pobreza. Contudo, hou-
ve um crescimento em todos os grupos em estudo, de 2007 a 2014.
Na dimensão comunicação e informação, a Tabela 3, o Gap
foi reduzido nas áreas rurais dos estados, e nos grupos entre
2007 e 2014. Com relação aos Estados, Maranhão, Bahia e Piauí
apresentam os maiores Gap de privação com relação a comuni-
cação e informação, respectivamente, 54,79%, 52,54% e 51,06%
em 2014. Se destacando com a menor lacuna de privação, o es-
tado de Alagoas com 46,16%. Observa-se ainda que a privação
entre as pessoas do sexo masculino é maior do que a do sexo fe-
minino com relação a esta dimensão. Analisando a faixa etária
a privação é maior nas idosos e nas crianças, 57,71% e 51,53%,
respectivamente, em 2014. Com relação ao grupo raça, a lacuna
de privação é maior para as raças não brancas, 51,32% em 2014.
No tocante a dimensão educação, conforme exposto na ta-
bela 3, há um Gap de 88,04% de privação em 2014. Com rela-
ção as áreas rurais dos estados nordestinos, destacam-se Bahia,
89,18%, Sergipe, 88,96%, e Rio Grande do Norte, 88,39% com
as maiores taxas de privação em 2014. Sendo o estado de Alago-
as com o menor Gap de privação com relação a dimensão edu-
cação (86,70%). Houve também uma redução na quantidade de
homens e mulheres: mulheres apresentam uma privação menor

de 86,84% em 2014, quando comparados com homens, 89,23%.
Nota-se que no hiato médio de privação educação é 2,39 vezes
maior para homens do que para mulheres. No grupo faixa etá-
ria, todas a faixas apresentaram uma redução na privação, exceto
o grupo dos idosos. Sendo o grupo dos adolescentes aquele que
apresentou maior redução, 1,92% de 2007 a 2014, enquanto que
o grupo dos idosos apresentou aumento de privação de 0,90%
conforme o Gap. No grupo raça, em 2014, para os brancos a pri-
vação é de 87,06%, e não brancos de 88,06%.
Quanto aos gap’s relacionados às dimensões de condições de
moradia, na Tabela 3, em 2014, a área rural do Nordeste brasi-
leiro apresenta uma lacuna de privação com relação às condições
de moradia inadequada de 5,67%. Entre os estados que apresen-
tam maior lacuna de privação com relação a condições de mora-
dia inadequada são o Maranhão, 9,97%, Ceará, 5,58%, e Piauí,
5,344%. Contrapondo-se, os que apresentam a menor lacuna são
Sergipe, 3,64%, e Bahia, 4,01%. No grupo sexo, mulheres apre-
sentam uma privação menor que os homens, sendo essa diferen-
ça de apenas 0,18%, em 2014. Ainda esse mesmo período, entre
os grupos etários, quem possui a menor privação é o grupo dos
idosos, com apenas 2,74%, e a maior é o grupo das crianças, com
8,0%. As populações de raça não branca têm Gap de maior priva-
ção do que a raça não branca. A não branca apresenta-se com um
hiato de privação de 1,89% maior que a branca, em 2014.
Dentro da dimensão saúde, Tabela 3, especificamente, a área
rural do estado do Rio Grande do Norte apresentou uma eleva-
ção da lacuna de privação no decorrer do período analisado. A
análise revela uma situação calamitosa principalmente no Piauí e
Ceará, onde apenas cerca de 40% da população, em 2014, possui
acesso digno a saneamento básico. Dentre todos os estados nor-
destino, Sergipe e Alagoas são os estados que possuem a maior
cobertura adequada dos serviços de saneamento, sendo assim, os
mesmos também apresentam as menores taxas de redução. To-
dos os outros estados da região apresentaram uma queda na la-
cuna de privação. Com relação a homens e mulheres houve uma
redução de 2007 para 2014, as mulheres apresentam uma menor
privação, em 2014, de 55,92 %, quando comparadas com os ho-

mens que tem 56,22% de privação no mesmo período. No grupo
etário, quem possui maior déficit na saúde é o grupo dos idosos,
com 57,66% em 2014. E o menor, é o grupo dos adolescentes,
com555,9%. Em todos os grupos foi observado uma redução da
privação. As populações de raça não brancas têm lacunas de pri-
vação mais elevados, com uma taxa de 56,40% em 2014, maior
quando comparada com a raça branca, que é apenas de 56,40%.
Tabela 3: Nordeste Rural: Gap da privação por dimensão, 2007

e 2014 (%).
(continua)
Comunica-
Água e
Estados/ ção e Educação
Alimentos
Área/Grupo Informação
2007 2014 2007 2014 2007 2014
Nordeste Rural 25,72 31,52 69,25 50,55 88,13 88,04
Maranhão 35,40 32,61 73,68 54,79 85,32 86,71
Piauí 27,22 15,43 71,82 51,06 88,74 87,71
Ceará 24,87 32,53 67,75 48,73 88,34 88,20
Rio Grande do Norte 19,05 33,06 63,09 48,06 87,52 88,39
Paraíba 34,80 46,06 62,48 47,14 89,22 87,93
Pernambuco 32,78 49,75 68,77 48,80 87,44 87,74
Alagoas 24,86 17,71 65,39 46,16 88,18 86,70
Sergipe 19,40 24,08 66,93 47,80 87,61 88,96
Bahia 20,49 27,32 72,52 52,54 89,10 89,18
Homens 26,16 31,86 69,54 50,90 88,64 89,23
Mulheres 25,25 31,17 68,93 50,20 87,60 86,84
Crianças 28,02 33,72 70,78 51,53 77,69 77,43
Adolescentes 26,77 32,37 69,65 49,11 85,66 83,74
Jovens 25,75 31,72 67,64 48,18 92,89 92,00
Adultos 24,55 30,37 68,33 49,82 90,97 90,53
Idosos 22,50 30,14 72,42 57,71 96,58 97,48
Branca 24,56 28,10 67,15 48,09 87,94 87,96
Não Branca 26,17 32,59 70,06 51,32 88,20 88,06

Tabela 3: Nordeste Rural: Gap da privação por dimensão, 2007
e 2014 (%).
(conclusão)
Condições Trabalho e
Estados/ Saúde
da Moradia Demografia
Área/Grupo
2007 2014 2007 2014 2007 2014
Nordeste Rural 8,00 5,67 58,23 56,07 41,44 39,66
Maranhão 18,87 9,97 59,83 59,36 43,86 38,62
Piauí 7,50 5,34 63.63 60,50 43,58 35,39
Ceará 5,89 5,58 61,73 60,66 41,59 41,51
Rio Grande do Norte 8,14 5,18 49,48 51,48 43,21 35,16
Paraíba 7,32 5,28 63,33 56,93 37,15 35,45
Pernambuco 6,15 5,25 57,96 53,54 39,36 41,47
Alagoas 8,25 5,18 54,54 52,48 35,77 35,33
Sergipe 6,91 3,64 57,63 49,74 46,96 44,88
Bahia 6,41 4,01 57,85 54,61 42,38 41,38
Homens 8,25 5,76 58,46 56,22 40,79 39,23
Mulheres 7,73 5,58 57,99 55,92 42,11 40,09
Crianças 11,25 8,08 58,20 55,89 48,23 44,58
Adolescentes 7,83 5,96 59,41 55,69 37,77 37,35
Jovens 7,99 6,18 57,35 55,75 36,82 33,72
Adultos 6,90 4,85 58,25 56,04 37,09 35,03
Idosos 4,12 2,74 58,50 57,66 59,73 61,94
Branca 6,31 4,23 57,52 55,05 40,76 37,96
Não Branca 8,65 6,12 58,51 56,40 41,70 40,19
Por fim, considerando o Gap de privação da dimensão tra-

balho e demografia, as áreas rurais de todos os estados da re-

gião do Nordeste brasileiro apresentaram reduções no Gap de
privação na Tabela 3. Contudo, as informações apontam ainda
um elevado percentual de trabalhadores que não trabalham em
situação digna. Sergipe, Ceará, Pernambuco e Bahia possuem
a maior lacuna de privação na dimensão trabalho e demogra-
fia. Já Rio Grande do Norte e Alagoas são os que possuem as
menores taxas em análise. Contrapondo-se com todas as outras
dimensões, na dimensão trabalho e demografia, as mulheres
apresentam dessa vez um Gap privação maior que os homens,
evidencia-se mais ainda a diferença no mercado de trabalho en-
tre homens e mulheres. Mesmo havendo uma redução, ainda é
considerado alto a privação entre mulheres e homens, em 2014,
uma lacuna de privação de 40,09% de mulheres, e 39,23% em
homens. No grupo da faixa etária, ocorreu os resultados espera-
dos, maior privação para crianças e idosos, pois os mesmos são
dependentes e não trabalham, crianças em 2014, com privação
de 44,5% e idosos, com 61,94%. Com o menor Gap, apresen-
tou-se o grupo dos jovens, com 33,72%, em 2014. A população
branca possui uma lacuna de privação menor quando compara-
da com a raça não branca, apresenta um hiato de 2,23% menor.
Mesmo ambos os grupos obtendo uma redução no período de
2007 a 2014.
5.3 A Pobreza Multidimensional
De maneira geral, as informações extraídas da PNAD sina-

lizam uma melhora nas condições de vida da população rural
do Nordeste entre os anos 2007-2014. Essa melhora, no entan-
to, não ocorreu de forma homogênea entre os estados da região,
nem entre os grupos sexo, faixa etário e raça. A Tabela 4 mostra a
pobreza multidimensional rural por estados e grupos no Nordes-
te do Brasil, 2007-2014. Os resultados sugerem uma redução na
pobreza multidimensional do Nordeste rural de 35,39% em 2007
para 33,83% em 2014 segundo a metodologia adotada, com uma
variação de 1,56%.

Tabela 4: Pobreza Multidimensional por Estados e grupos do
Nordeste rural do Brasil, 2007-2014 (%).
Pobreza Multidimensional
2007 2008 2009 2011 2012 2013 2014 Variação

Nordeste
35,39 34,20 33,38 32,26 31,84 34,43 33,83 -1,56
Rural
Maranhão 39,15 36,20 36,15 34,20 33,27 36,23 35,27 -3,88
Piauí 37,47 36,08 34,48 32,51 31,14 34,83 31,10 -6,37
Ceará 35,09 33,91 32,59 32,63 32,54 35,55 34,64 -0,45
Rio Grande
32,14 30,20 29,02 29,58 29,28 32,65 32,53 -0,39
do Norte
Paraíba 34,59 34,40 34,65 30,91 31,51 30,07 35,12 0,53
Pernambuco 35,23 34,39 33,46 32,07 31,41 31,35 36,45 1,22
Alagoas 33,06 33,91 32,03 31,69 30,44 33,72 28,31 -4,75
Sergipe 34,30 32,15 32,39 31,10 29,07 32,29 31,70 -3,60
Bahia 35,57 3473 33,89 32,29 32,33 34,69 33,76 -1,81
Homens 35,40 34,24 33,51 32,40 32,10 34,67 34,08 -1,32
Mulheres 35,16 34,16 33,25 32,10 31,58 34,18 33,57 -1,59
Crianças 34,29 32,96 31,75 31,06 30,12 32,44 32,06 -2,23
Adolescentes 34,24 32,95 31,97 30,59 30,15 32,96 31,93 -2,31
Jovens 35,26 34,63 33,68 32,23 31,93 34,18 33,63 -1,63
Adultos 34,97 33,85 33,06 31,90 31,49 34,19 33,49 -1,48
Idosos 41,24 39,84 40,32 38,78 39,40 41,85 41,48 0,24
Branca 34,41 33,42 32,66 31,70 31,11 33,70 32,41 -2,00
Não Branca 35,63 34,52 33,65 32,46 32,08 34,66 34,28 -1,35
Em relação as áreas rurais da região, os resultados da pro-

porção de pobres multidimensionais dos estados nordestinos
apresentaram uma queda ao longo do período analisado, exceto
Paraíba e Pernambuco. O estado que obteve o maior índice de
variação foi o estado do Piauí, uma redução de 6,37% de 2007
para 2014. Já o estado do Rio Grande do Norte é o que apresenta
o menor índice de variação (-0,39%). Por outro lado, os estados
da Paraíba e Pernambuco apresentaram um crescimento da po-

breza rural no período analisado, de 0,53 e 1,22, respectivamen-
te. E o Pernambuco rural apresenta-se com a maior proporção
de pobres multidimensionais no ano de 2014, atingindo 36,45%
da sua população, seguido pelo Maranhão rural, com 35,27%.
Enquanto que os estados de Alagoas (28,31%), Piauí (31,10%) e
Sergipe (31,70%) apresentaram as menores taxas de proporções
de pobres multidimensionais do Nordeste rural.
Apesar deste artigo utilizar uma metodologia nova para a
área rural do Nordeste brasileiro não há espaço para compara-
ções entre metodologias utilizadas em outros trabalhos. Contu-
do, mesmo com metodologias diferentes, os resultados obtidos
dessa analise corroboram, não com valores exatos de proporção
de pobres multdimensionais, mas quando se refere as áreas (ru-
ral e urbana) dos estados mais ou menos pobres da região em
estudo.
Como exemplo, Araujo, Tabosa e Morais (2013) fazem um
estudo na pobreza multidimensional no Nordeste brasileiro, e
apresentam o estado do Maranhão com maior proporção de po-
bres, e o estado do Rio Grande do Norte com a menor proporção.
Lacerda, Araújo e Campos (2013) também corroboram com os
resultados deste trabalho, quando afirmam que o estado do Ma-
ranhão se caracteriza com o menor dinamismo econômico frente
aos outros estados da região.
Em média, não há diferença significativa na pobreza entre
os grupos sexo e faixa etária. Contudo, houve uma redução em
todos os grupos. A pobreza multidimensional entre os homens
em 2014 é de 34,08%, enquanto que nas mulheres é de 33,57%,
havendo uma variação (queda) maior entre as pessoas do sexo
feminino, 1,59%.
Diferença pouco notada também entre crianças, adolescen-
tes, jovens e adultos. Um impacto maior na redução foi no gru-
po crianças, uma queda de 2,23% de 2007 a 2014. Já no grupo
idosos, houve pouca redução na proporção, 0,24%, sendo ela o
grupo com maior pobreza multidimensional, 41,48% em 2014.
As populações de raça não branca têm os mais altos níveis de
pobreza multidimensional, 34,28% em 2014.

Este estudo partiu com o objetivo de apresentar novas pers-

pectivas para a compreensão da pobreza multidimensional no
Nordeste rural brasileiro nos anos de 2007 a 2014, considerando
outras dimensões além da renda, com a finalidade de auxiliar po-
liticas publicas focadas na sua diminuição e aceleração do pro-
cesso de desenvolvimento. As principais conclusões foram:
A pobreza multidimensional na área rural do Nordeste bra-
sileiro apresentou trajetória decrescente durante o período de es-
tudo. Os resultados do trabalho sugerem uma redução de 35,39%
em 2007 para 33,83% em 2014.
Para as análises separadas das áreas rurais dos estados, ape-
sar de ter ocorrido a redução da pobreza multidimensional do
Nordeste rural, entre 2007 e 2014, de acordo com as seis dimen-
sões, a situação da pobreza é mais grave nos estados do Pernam-
buco e Maranhão. Já as melhores situações de pobreza se encon-
tram nas áreas rurais dos estados de Alagoas, Piauí e Sergipe.
Já entre as faixas etárias também se observa uma pequena
privação. Crianças, adolescentes, jovens e adultos encontram-se
com a mesma proporção, em média, de pobres multidimensio-
nais. O impacto maior na pobreza seria sobre o grupo do idosos,
esses são considerados mais privados com relação aos outros
grupos etários. Contrapondo-se, as desigualdades persistentes
continuam para a população de raça branca e não brancas, ha-
vendo assim uma significativa diferença na pobreza multidimen-
sional quando comparadas.
Portanto, conclui-se que para reduzir a pobreza multidi-
mensional no Nordeste rural, deve-se adotar políticas públicas
direcionadas especificamente para as dimensões que mais im-
pactam a pobreza, sendo elas: educação, saúde, comunicação e
informação e trabalho e demografia. E sem seguida uma melhor
distribuição desses recursos entre as áreas rurais dos estados da
região, diminuindo assim as disparidades regionais.
Finalmente, é necessária uma investigação mais a fundo
para compreender as relações entre proteção social, crescimento

econômico, e redução da desigualdade sobre redução da pobreza
multidimensional. É também importante contar com dimensões
adicionais para uma análise mais completa. Portanto, deve-se ser
continua à procura de novos dados que visam melhorar os indi-
cadores utilizados para medir cada uma das dimensões, e assim
mensurar qual tem mais impacto na pobreza multidimensional
no Nordeste rural brasileiro.
REFERÊNCIAS
ARAUJO, J.A.; MORAIS, S.G.; CRUZ, M.S. Estudo da pobreza mul-

tidimensional no Estado do Ceará. Revista Ciências Administrati-
vas, v. 19, n. 1, 2013.
ARAUJO, J. A.; TABOSA, F. J. S; MORAIS, G. A. S. Pobreza Mul-
tidimensional no Nordeste do Brasil. In: XI Encontro Nacional da
ENABER, 2013, Foz do Iguaçu. Anais... XI Encontro Nacional da
Associação Brasileira de Estudos Regionais e Urbanos, 2013.
BOURGUIGNON, F.; CHAKRVART S. The Measurement of Mul-
tidimensional Poverty. The Journal of Economic Inequality, v.1, p.
25-49, 2003.
CALDAS, R. M.; SAMPAIO, Y. S. B. Pobreza no Nordeste brasileiro:
Uma análise multidimensional. In: Fórum BNB de Desenvolvimen-
to, XVII Encontro Regional de Economia 17, ANPEC – Associação
Nacional dos Centros de Pós-graduação em Economia, 2012, For-
taleza. Anais... Fórum BNB de Desenvolvimento, XVII Encontro
Regional de Economia.
FOSTER, J.; GREER, J.; THORBECKE, E. A class of decomposable
poverty measures. Econometrica. São Paulo. v.52, n.3, p.761-766,
maio 1984.
HOFFMANN, R.; KAGEYAMA, A. Pobreza no Brasil: uma perspec-
tiva multidimensional. Revista Economia e Sociedade, Campi-
nas, v.15, n.1 (26), p. 79-112, 2006.
IETS – Instituto de Estudos do Trabalhos e Sociedade. Disponível
em: < http://www.iets.org.br/dado/pobreza-e-indigencia>. Acesso
em: 10 de Mar. 2014.

IPEA – Instituto de Pesquisa Econômica Aplicada. Disponivel em
Disponível em: < http://www.ipea.gov.br/portal/ >. Acesso em: 11
de Ago. 2014.
LACERDA, F.C.C. A pobreza na Bahia sob o prisma multi-
dimensional: uma análise baseada na abordagem das ne-
cessidades básicas e na abordagem das capacitações. 210 f.
Dissertação (Mestrado em Economia) – Programa de Pós-Gradua-
ção em Economia, Universidade Federal de Uberlândia, Uberlândia,
2009.
LACERDA, F. C. C.; ARAÚJO, K. F; CAMPOS, K. O. Análise da situ-
ação socioeconômica dos estados nordestinos com base nos micro-
dados da PNAD (2003, 2007 e 2011). In: XII Semana de Economia
da UESB, 2013, Vitoria da Conquista, Bahia. Anais... XII Semana
de Economia da UESB, 2013.
KUKLYS, W. Amartya Sen’s. Capability approach: theoretical in-
sights and empirical applications New York: Springer Berlin
Heidelberg, 2005.
MAASOUMI, E.; LUGO, M. The information basis of multivariate
poverty assessments. Quantitative Approaches to Multidi-
mensional Poverty Measurement. Nank Kakwani e Jacques
Silver (ed.). Nueva York, Palgrave Macmillan, 2008.
MIDEROS, A. M. Ecuador: Definición y medición multidimensional
de la pobreza, 2006-2010, Revista de la CEPAL, n°108, p. 51-70,
2012.
OTTONELLI, J. Pobreza Multidimensional na Região Nor-
deste: Uma aplicação da Teoria dos Conjuntos Fuzzy (em
2010). 127f. Dissertação (Mestrado em Economia). Universidade Fe-
deral do Rio Grande do Norte – UFRN. Natal, RN, 2013.
QUINTELA, M. D.; ALVES, J. E. D.; SILVA, D. B. N. A Pobreza no
Nordeste Brasileiro em 2000 e 2010: Uma Aplicação do Índice de
Pobreza Multidimensional. In: XI Encontro Nacional da Associação
Brasileira de Estudos Regionais e Urbanos - XI ENABER, 2013, Foz
do Iguaçu. Anais... XI Encontro Nacional da Associação Brasileira
de Estudos Regionais e Urbanos - XI ENABER. São Paulo: ABER,
2013. v. 1. p. 1-21.

RAVALLION, M. Issues in measuring and modelling poverty, Eco-
nomic J. 106, p. 1328–1343, 1996.
ROCHA, S. Alguns Aspectos Relativos a Evolucao 2003-
2004 da Pobreza e da Indigencia no Brasil. Rio de Janeiro:
IETS, jan., 2006. Disponível em: < http://www.direito.usp.br/fa-
culdade/eventos/evolucao_pobreza.pdf>. Acesso em: 23 Mar. 2014.
SALAMA, P.; DESTREMAU, B. O Tamanho da Pobreza: economia
política da distribuição de renda. Rio de Janeiro: Garamound.
1999.
SEN, A. K. Poberty – Ordinal Approach to measurement: Econo-
metria, v. 44, p.219-231, 1976.
__________. Mortality as an Indicator of Economic Sucsess and
Failure. The Economic Journal, Vol. 108, Nº445, pag. 1-25, Jan,
1998.
__________.Sobre ética e Economia. São Paulo: Companhia
das letras, 1999.
__________.Desenvolvimento como liberdades. São Paulo:
Companhia das letras, 2000.
__________. Desigualdade Reexaminada. Rio de Janeiro:
Record, 2001.
SILVA, A. M. R. Um estudo sobre a pobreza multidimensio-
nal na Região Nordeste do Brasil. 192 f. Dissertação (Mestrado)
- Universidade Federal de Uberlândia, Uberlândia, 2009.
SILVA, A. F.; ARAUJO, J. A.; CAMPELO, G. L. A pobreza na região
nordeste do brasil: uma análise multidimensional. In: SOBER Nor-
deste, 9º, 2014. Caruaru - PE. Anais... IX SOBER Nordeste - Novos
desafios para o desenvolvimento: o Nordeste tem sede de que?
SILVA, M. C. P.; BARROS, R. P. Pobreza Multidimensional no Bra-
sil. Anais... XXXIV Encontro Nacional de Economia 141, ANPEC
– Associação Nacional dos Centros de Pós-graduação em Economia,
2006.

SILVA, A. M. R.; NEDER, H. D. Abordagem das capacitações:
um estudo empírico sobre pobreza multidimensional no
Brasil. III Conferência Latino Americana e caribenha sobre Abor-
dagem das Capacitações e Desenvolvimento Humano, Porto Alegre,
2010.
STEWART, F. Basic Needs Approach. In: CLARK, David (org.). The
Elgar Companion to Development Studies. Cheltenham.
UK: Edward Elgar Pressing, cap. 5, 2006.
THORBECKE, E. Multidimensional Poverty: Conceptual and
Measurement Issues: Many Dimensions of Poverty, p.3-19,
2008.
TSUI, K. Multidimensional poverty indices. Social Chouce and
Welfarem, vol. 19, Nº 19. Spring, 2002.

C apítulo 10
DIFERENÇAS DE PROBABILIDADE NO
TRABALHO INFANTO-JUVENIL NAS
ÁREAS RURAIS DO NORDESTE:
uma análise considerando os dados
da PNAD dos anos de 2002 e 2014
Celina Santos de Oliveira57;

Juliane da Silva Ciríaco59
RESUMO
Objetiva-se analisar os determinantes do trabalho infantil para a

área rural do Nordeste com dados da PNAD de 2002 e 2014 e ver
quais fatores contribuíram para a redução do trabalho infantil
nesse período. Utiliza-se o Logit para crianças de 5 a 16 anos. En-
controu-se que meninos mais velhos e que não estudam possuem
maior propensão a ofertar trabalho, essa propensão tem relação
inversa com a escolaridade do chefe e direta com o tamanho da
família. As diferenças de probabilidade entre os anos se deu por
distintos comportamentos não observados relacionados a idade
e escolaridade da criança.
Palavras-chave: Trabalho Infantil, Área Rural do Nordeste do
Brasil, Modelo de Decomposição de Yun.
57
Doutoranda em Economia pela Universidade Federal da Paraíba (PPGE-
-UFPB). Mestre em Economia pelo Centro de Aperfeiçoamento dos Econo-
mistas do Nordeste (CAEN-PPGE. E-mail: [email protected]
58
Doutorando em Economia pela Universidade Federal da Paraíba (PPGE-
-UFPB) e Mestre pela mesma Instituição de Ensino. E-mail: pbdosanjos@
hotmail.com
59
Doutoranda em Economia pelo Centro de Aperfeiçoamento dos Econo-
mistas do Nordeste (CAEN-PPGE). Mestre em Economia pela Universidade
Federal da Paraíba (UFPB). E-mail: [email protected]

1 INTRODUÇÃO
O trabalho infantil já foi palco de uma série de discussões e

pesquisas científicas no Brasil e no mundo. Destaca-se que tal
modalidade de trabalho atinge massivamente os países subde-
senvolvidos e em processo de desenvolvimento. A literatura
apresenta estudos enfatizando os mais diversos aspectos, desta-
cando os reflexos desta modalidade de trabalho sobre a educa-
ção, aprendizagem, saúde e renda adulta dos agentes envolvidos.
No Brasil, nota-se que o trabalho infantil tem sofrido duras
críticas, sobretudo, após a implementação do Estatuto da Crian-
ça e do Adolescente (ECA) no ano de 1990. Ao longo dos anos a
vigilância implementada pelos mais diversos entes da sociedade
acabou desencadeando relevantes reduções na incidência de tal
modalidade de trabalho no país. Ramalho e Mesquita (2015) in-
formam que no Brasil, apesar da redução no número de crianças
trabalhando nas últimas décadas, o problema ainda persiste em
todos os Estados do país.
Como ilustração, dados da Pesquisa Nacional por Amostra de
Domicílios (PNAD) dos anos de 2002 e 2014 mostram que a maior
concentração de trabalho infantil nas idades entre 5 e 16 anos ocor-
re na região Nordeste do país, destaca-se que no ano de 2002 essa
participação era de 45,39%. No entanto, há uma queda no ano de
2014 passando a representar 35,42%. Julga-se que tal diminuição
é reflexo de uma série longa de fatores, destacando-se entre todos:
a efetivação de políticas de combate e, consequente, intensificação
da fiscalização; frequentes denúncias por parte da mídia e popula-
ção em geral; redução no tamanho da população jovem; execução
de programas sociais que acabaram desencadeando melhorias na
vida da população mais carente do país; apoio de escolas, igrejas
entre outras importantes instituições vigentes no país.
Nesta conjuntura, destaca-se que fato incontestável são os
efeitos danosos do trabalho infantil sobre o aprendizado, saúde e
renda futura das crianças e adolescentes envolvidos em tal pro-
cesso (KASSOUF, 1997; MINAYO-GOMEZ E MEIRELLES, 1997;
EMERSON E PORTELA SOUZA, 2005 e BEEGLE et al., 2007).

No tocante ao aprendizado, Kassouf (2002a) destaca que o
trabalho infantil leva a perda da infância e reduz a oportunidade
de uma boa educação. Neste contexto, diversas pesquisas como
a de Patrinos e Psacharopoulos, (1997), Heady (2003), Cavalieri
(2002), Repetto (1976), Ponczek e Souza (2007) concordam que
o trabalho infantil prejudica o aprendizado, aumenta a repetên-
cia e a desistência dos jovens trabalhadores. Por sua vez, Kassouf
et al. (2001), utilizando dados do Brasil, mostram que quanto
mais cedo o indivíduo começa a trabalhar pior é o seu estado de
saúde em sua fase adulta da vida.
A partir do Gráfico 1, verifica-se o comportamento do traba-
lho infantil e da frequência escolar entre os anos de 2002 e 2014
para área rural do Nordeste brasileiro. Nota-se com o passar dos
anos que o trabalho infanto-juvenil apresenta movimento relati-
vamente monótono de decaimento. Por sua vez, observa-se que
na mesma janela temporal ocorrem aumentos relevantes da fre-
quência escolar. Portanto, há motivações para se acreditar que
tais variáveis possuem alguma correlação negativa entre si e tal
relação é resistente no longo espaço de tempo.
Gráfico 1: Comportamento do trabalho infanto-juvenil e da

frequência escolar entre os anos de 2002 e 2014 no Nordeste.
Fonte: Elaboração dos autores a partir dos dados da PNAD.
Nota¹: *Em 2010 não foi realizada a pesquisa, desta forma realizou-se uma
média simples entre os anos anterior e posterior.
Nota2: Indivíduos com idade entre 5 e 16 anos.
Nota3: Expandido para a população.

No Brasil há uma série de trabalhos Kassouf (1999), Kassouf
(2000), Kassouf e Santos (2010), Cacciamali et al.(2010) den-
tre outros, que procuram relacionar a importância da renda ou
da riqueza na decisão entre ofertar ou não trabalho na infância.
Acredita-se que a oferta de trabalho tem forte ligação com o bai-
xo nível de renda e a estrutura familiar dos indivíduos. Neste
contexto, percebe-se indícios de que o declínio da renda familiar
acabe aumentando a probabilidade da criança trabalhar e, con-
sequentemente, reduzindo a de ela estudar (NAGARAJ, 2002 e
KASSOUF, 2002).
Tanto na ótica de Santos (2005) quanto de Kassouf (2002)
o trabalho infantil possui o poder de gerar um ciclo vicioso na
pobreza, sendo assim, ao passo que se entra precocemente no
mercado de trabalho, acaba-se por limitar as melhorias advindas
do processo de qualificação, gerando expressivas reduções nas
chances de receber maiores remunerações na fase adulta. Logo,
no longo espaço de tempo, o trabalho infantil ocasiona reduções
relevantes na renda dos agentes participantes dessa prática. Sa-
lienta-se que este fenômeno gerador de ciclos de pobreza pos-
sui o poder de se propagar entre diferentes gerações ao longo do
tempo (KASSOUF, 2002; KASSOUF; 2005; ILAHI et al., 2000;
PORTELA E SOUZA, 2005).
Nesta perspectiva, Kassouf (1997) destaca que a idade que os
pais começaram a trabalhar pode influenciar a decisão dos filhos
entre ofertar ou não, trabalho na infância. Além disso, o autor
demonstra que o mercado de trabalho adolescente e infantil é
composto, sobretudo, por indivíduos com pais que começaram
a trabalhar ainda na fase da adolescência ou antes. Barros e Sil-
va (1991) argumentam que a pobreza corrente pode ser uma das
causas do trabalho precoce e o trabalho precoce pode ser uma
das causas da pobreza futura. Dessa forma, acreditam que a po-
breza pode ser transmitida entre diferentes gerações ao longo do
tempo.
O fator intergeracional se manifesta também ao passo que
há relação inversa entre a escolaridade dos pais e a idade que

os filhos começam a trabalhar. Dessa forma, quanto mais edu-
cação formal os pais detiverem menores as chances de seus
filhos ofertarem trabalho infantil ou adolescente (KASSOUF,
1999).
Nessa ótica, Barros et al. (2000) argumentam que a pobreza
pode ser transmitida entre diferentes gerações ao longo dos anos.
Portanto, indícios levam a crer que a decisão dos pais, enquanto
crianças ou jovens, acerca da qualificação e oferta precoce de tra-
balho pode alterar a probabilidade de seus descendentes oferta-
rem trabalho infantil e juvenil no futuro.
Para Moreira et al. (2014), a inserção rápida de crianças
no mercado de trabalho depende do fato delas estarem inse-
ridas em ambientes rurais ou não. Na mesma pesquisa desta-
ca-se que os meninos têm maiores chances de exercer ativida-
des laborais comparativamente as meninas. Neste contexto,
Santos e Kassouf (2010) demonstram que há diferença na
probabilidade de uma criança ou adolescente ofertar traba-
lho em atividades agrícolas devido às diferenças observadas
na riqueza familiar. Constatam ainda que a probabilidade de
ofertar trabalho cresce a taxas decrescentes com o tamanho
da propriedade agrícola, atinge um ponto máximo aproxima-
damente aos 76 hectares, e depois decresce nas propriedades
maiores.
O Nordeste, segundo os dados da PNAD de 2002 a 2014,
ilustrado no Gráfico 2, tem abrigado um maior contingente de
trabalhadores nas áreas rurais em comparação aos moradores
urbanos, sobretudo, devido a maior facilidade da criança/adoles-
cente ser absorvido em atividades informais rurais que, de ma-
neira geral, exigem baixa qualificação. Contudo, percebe-se uma
crescente queda devido a inúmeros fatores explicativos como re-
dução da pobreza, a expansão da infraestrutura educacional e de
acesso à serviços básicos no campo.

Gráfico 2: Comportamento da população trabalhadora infanto-
juvenil rural e urbana do Nordeste entre os anos de 2002 e 2014.
Nota¹: *Em 2010 não foi realizada a pesquisa, desta forma realizou-se uma
média simples entre os anos anterior e posterior.
Nota2: Indivíduos com idade entre 5 e 16 anos.
Nota3: Expandido para a população.
Santos e Kassouf (2010) argumentam que na ausência de um

mercado de trabalho perfeito, os proprietários de terra não são
capazes de contratar mão de obra adulta de forma eficiente. Sen-
do assim, os agricultores têm maiores incentivos para utilizar o
trabalho de seus filhos nas atividades agrícolas e pecuárias.
Como devidamente enfatizado o trabalho infantil é fenôme-
no que atinge fortemente as famílias mais carentes seja nas áreas
urbanas ou nas rurais brasileiras. Nota-se a presença de tal prá-
tica em todas as regiões do país. No entanto, as regiões menos
desenvolvidas sofrem maiores impactos do trabalho infantil e
adolescente. Para Monte (2008), o trabalho infantil atinge ex-
pressivamente a região Norte e Nordeste do Brasil.
Diante do exposto, propõe-se analisar os determinantes do
trabalho infanto-juvenil nas áreas rurais do Nordeste conside-
rando, para tanto, os dados da PNAD dos anos de 2002 e 2014,
respectivamente. Considera-se na pesquisa variáveis bem des-
tacadas na literatura como, por exemplo, as relacionadas aos

atributos pessoais (gênero, idade e raça), atributos do lar (ta-
manho da família, escolaridade do chefe, idade em que o chefe
começou a trabalhar) e, por fim, a localização geográfica do lar.
Além disso, procura-se verificar quais dessas variáveis consi-
deradas tem o maior peso sobre a queda da probabilidade da
criança ofertar trabalho.
2 MODELO TEÓRICO
Pesquisas como a de Kassouf (2002), Kassouf (2005), Kas-

souf (2007) e Moreira et al. (2014) que estudaram os fatores ge-
radores e/ou indutores do trabalho infantil no Brasil utilizam o
modelo de determinação proposto por Rosenzweig (1981). Tal
modelagem mostra, econometricamente, o processo de otimiza-
ção elaborado por cada família na alocação de tempo entre tra-
balho, lazer e escola. Apesar do lazer e/ou escola se apresentar
como opção possível ao trabalho, os agentes acabam enfrentando
restrições de tempo e renda. Portanto, a oferta de trabalho infan-
til e o tempo dedicado à escola são determinados pela alocação
ótima dos membros do domicílio em diversas atividades.
Kassouf (2005) simplifica o modelo de determinação de tra-
balho infantil de Rosenzweig, sendo assim, passa a considerar
famílias de apenas três membros: pai, mãe e uma criança. Desta-
ca-se que tal análise parte das seguintes hipóteses: a família ma-
ximiza determinada função utilidade (U) contínua, estritamente
crescente, quase côncava e diferenciável, que é função de bens
comprados e consumidos (X), do tempo de lazer da mãe (lmo) e
do pai (lfa), do tempo de lazer da criança (lch) e do nível de esco-
laridade da criança (Sch).
Dada as suposições anteriormente descritas, tem-se:
U = U(X, lmo, lfa, lch, Sch) (1)
Por sua vez, o nível de escolaridade da criança depende tanto
do tempo para se dedicar minimamente aos estudos (tsch) quan-
to de certa quantidade de bens (Xs) fundamentais no processo
de aprendizagem: material escolar, taxas escolares, transportes

entre outros. Logo, pode-se expressar o nível de escolaridade da
seguinte forma:
Sch = s(tsch, Xs) (2)
A restrição imposta a renda total (F) da família pode ser de-
vidamente representada por:
F = V + TmoWmo + TfaWfa + TchWch

(3)
= pxX + Wmolmo + Wfalfa + PsXs + Wch(lch + tsch)
Entenda-se V como sendo a renda não salarial e Tmo, Tfa e

Tch, apresentam-se como sendo o tempo total disponível da mãe,
pai e criança, nessa ordem. Os termos Wmo, Wfa e Wch são os
salários da mãe, pai e criança, respectivamente. Por fim, tem-se
Px e Ps representando os preços de X e Xs.
Assim, baseando-se na restrição de renda total é possível cons-
tatar que o rendimento total da criança pode ser expresso como sen-
do Wch (Tch-lch-tsch), por seu turno, os custos diretos de escolari-
dade são PsXs e os custos do tempo de escolaridade são Wchtsch.
A maximização da função utilidade sujeita à restrição de ren-
da total é capaz de produzir um conjunto de equações de deman-
da em função tanto das variáveis endógenas (lmo, lfa, lch, tsch,
X, Xs) quanto das exógenas (Wmo, Wfa, Wch, Px, Ps) do modelo.
Neste contexto, tem-se:
D = fD(Wmo, Wfa, Wch, Px, Ps, V) (4)
em que D é lmo, lfa, lch, tsch, X, Xs.
A partir das formas reduzidas das equações de demanda, po-
de-se verificar os efeitos das variáveis exógenas sobre as endó-
genas. Tais procedimentos matemáticos permitem analisar mu-
danças no salário da criança (Wch) e no salário da mãe (Wmo)
sobre o tempo de trabalho da criança (twch = Tch-lch-tsch) e
sobre o tempo de trabalho da mãe (twmo = Tmo - lmo). Nota-se
que os efeitos podem ser decompostos em efeitos substituição
(com utilidade constante) e efeito renda:

(5)
(6)
(7)
(8)
Por (5) e (8), tem-se aumentos no salário da mãe e da crian-

ça podem acarretar aumentos no tempo de trabalho de ambos.
É um caso clássico de aumento relativo no custo do lazer. Por
outro, das equações (6) e (7), nota-se que mudanças no salário
da criança terá um efeito sobre o tempo de trabalho da mãe e
vice-versa. Sendo assim, aumentos no salário da criança poderia
provocar reduções no tempo de trabalho da mãe enquanto au-
mentos no salário da mãe poderiam provocar queda no tempo de
trabalho da criança.
Para Rosenzweig (1981), o efeito salário cruzado observado
no comportamento da oferta de trabalho da família faz com que
as condições de trabalho das mães tenham impactos significati-
vos no emprego das crianças, mesmo que os empregadores não
as considerem mão de obra substituta.
Assim como foram extraídas as equações de (5) a (8), pode-
-se construir demais relações como, por exemplo, o efeito de uma
mudança no tempo de trabalho da criança na oferta de trabalho
do pai (twfa):
(9)
A restrição imposta à oferta de trabalho da criança sobre o nível

de oferta de trabalho dos pais, terá o mesmo sinal dado pelo efeito
do salário da criança sobre a oferta de trabalho do pai, uma vez que
∂twch/ ∂Wch é positivo. Portanto, aumentos no tempo de trabalho da
criança poderá provocar reduções na oferta de trabalho do pai. Ao

passo que a quantidade de tempo dedicada pela criança ao trabalho
seja muito pequena, tem-se que a equação seguinte será boa aproxi-
mação do efeito salário (preço) com utilidade constante:
(10)
Portanto, dadas as hipóteses e conjunto de pressupostos ex-

postos anteriormente, tem-se que o tempo da criança pode ser
alocado entre as três atividades inicialmente destacadas: lazer,
escola ou trabalho. Destaca-se que a alocação eficiente de seus
recursos é feita por cada família, para tanto, considera os seguin-
tes critérios: produtividade da criança e dos pais, tal produtivida-
de deve ser verificada tanto no domicílio quanto no mercado de
trabalho e na substituição da força de trabalho entre as pessoas
que compõem a família.
3 METODOLOGIA E BANCO DE DADOS
A fonte de dados utilizada, como já mencionada anteriormente,

advém da PNAD, restringindo-se ao ano de 2002 e 2014. A escolha
desse banco de dados consiste na gama de informações disponíveis
sobre a população residente no país, fornecidas anualmente no por-
tal do Instituto Brasileiro de Geografia e Estatística (IBGE).
A amostra utilizada se restringe à área rural do Nordeste
brasileiro totalizando 7.776 observações de crianças e adolescen-
tes com idade entre 5 a 16 anos para o período acima citado, onde
cerca de 31% dessas crianças e adolescentes exercem alguma ati-
vidade de trabalho.
A variável independente é dicotômica, onde se atribui o valor
de “um” para os indivíduos entre 5 a 16 anos que trabalhavam no
referido período da pesquisa e “zero” caso contrário. Para ana-
lisar os determinantes do trabalho infanto-juvenil no Nordeste,
utiliza-se um modelo de resposta binária, o modelo logit, especi-
ficados pela equação (11) expresso por:
(11)

Em que : representa o logaritmo ponderado das
chances favoráveis ao trabalho infanto-juvenil; Pessoali denota
o conjunto de atributos relativo as características do indivíduo i;-
descreve o conjunto de atributos relacionado a família do indiví-
duo i; Geográficai corresponde variável de localização regional
do indivíduo; e corresponde ao termo de erro estocástico.
Por sua vez, as variáveis explicativas são exemplificadas no
Quadro 1:
Quadro 1: Brasil - Descrição dos dados utilizados nas estimações.
Variáveis Descrição das variáveis
Variável dependente
Trabalho infanto-juvenil 1 caso o indivíduo trabalha “0” caso contrário.
Variável independente
Atributo Pessoal
Menino 1 para Menino e 0 para Menina
Estudante 1 se o indivíduo estuda e “0” caso contrário.
Idade Idade aferida em anos de vida.
Branco 1 para raça branco e “0” caso contrário
Atributo do lar
Mulher Chefe da
1 se o chefe da família for mulher e “0” caso contrário.
Família
Escolaridade Chefe da Cada série com aprovação é considerado como um ano
Família de estudo
Idade Chefe Iniciou
Idade em que o Chefe da família começou a trabalhar
Trabalhar
Renda Não Trabalho 1 se o chefe da família recebeu renda do não trabalho e
Chefe “0” caso contrário.
Tamanho da Família Número de componentes da família
Localização Geográfica
1 para o indivíduo que mora na região Metropolitana e
Metropolitana
“0” caso contrário
Foram criadas dummies de controle para cada estado
do Nordeste. O objetivo é tentar captar alguma dife-
Dummies Estaduais rença estadual, dada pelas peculiaridades locais de
cada estado, em relação ao estado do Rio Grande do
Norte, que servirá de base de comparação.
Fonte: Elaboração dos autores.

4 DECOMPOSIÇÃO DE YUN
O interesse maior do presente estudo é avaliar os fatores que

mais contribuíram para a redução do trabalho infanto-juvenil no
Nordeste no período entre 2002 e 2014. Para tanto, empregou-se
o método de Yun (2004) cuja finalidade é decompor a diferença
de probabilidades por grupos considerando a contribuição de di-
ferenças entre as covariadas que expressão as variações sobre os
fatores observáveis e a diferença entre coeficientes que expres-
sam as variações sobre os fatores não observáveis (dado pela di-
ferença entre os comportamentos dos grupos).
Ressalta-se que a referida técnica é uma extensão aplicada
a modelos de resposta binária do tradicional método de decom-
posição de Oaxaca-Blinder, onde se leva em consideração pesos
consistentes para contribuição de cada característica observada
e para cada efeito do coeficiente.
A motivação para o uso do método de Yun (2004) está no fato
de ser possível a computação da importância de cada característica
sobre a diferença global das probabilidades entre dois grupos, e
também, o fato de corrigir a sensibilidade ao se escolher a catego-
ria de referência quando se usa covariadas binárias para múltiplas
categorias no modelo. Esta sensibilidade é corrigida tomando-se
a média das estimativas obtidas pela permuta entre os grupos de
referência. Esse procedimento é equivalente a uma normalização
que pode identificar o intercepto e os coeficientes de um conjunto
de variáveis binárias, incluindo os grupos de referência.
Sob o contexto da atual pesquisa, considere inicialmente a
diferença média de probabilidade da criança trabalhar entre o
ano de 2014 (1° grupo) e o ano de 2002 (2° grupo) para o modelo
logit60 equação (11). Sendo assim, decompõem-se a diferença glo-
bal da probabilidade da criança trabalhar em dois componentes
60
Em que bj é um vetor de coeficientes K × 1, xj é um vetor K × 1 de
características individuais para o ano (j = 2002, 2014), e F(●) denota o valor
médio logístico. Pode-se motivar essa decomposição de outras maneiras: a)
em um modelo logit, o diferencial total
b) Em termos de diferenças finitas, .

principais, onde o primeiro refletirá as diferenças na composição
dos grupos e, o segundo, as diferenças nos efeitos da caracterís-
ticas (diferenças nos coeficientes ou retornos) entre os grupos.
Assim descreve-se a equação 2 a seguir.
(12)
Em que: são as médias de probabilidade dos anos

de 2014 e 2002, respectivamente; é a média de pro-
babilidade predita considerando características do ano de 2014 e
parâmetros estimados para o mesmo ano; é a média de
probabilidade com características do ano de 2002 e parâmetros
estimados para o ano de 2014, indicando a probabilidade
contrafatual de uma criança no ano de 2002 trabalhar caso
estivesse no ano de 2014; é a média de probabilidade
predita levando em conta características do ano de 2002 e parâ-
metros estimados para o mesmo ano.
A primeira parte da equação (12) mensura a diferença de
probabilidade da variável de resultado explicada pela soma das
diferenças nas características observadas (E) e pelas diferenças
dos potenciais efeitos das características, ou seja, a parcela da
diferença de probabilidade relacionada ao comportamento dos
dois grupos, no ano 2014 e 2002, e às características não obser-
vadas (C), ou seja, é a parcela explicada por fatores ocorridos en-
tre o período de tempo considerado.
Com o objetivo de se obter pesos apropriados para contribui-
ção de cada atributo e coeficiente na diferença de probabilidade
intergrupo, avalia-se primeiramente a função de densidade nor-
mal acumulada na média das características observadas para cada
grupo, e logo após usa-se uma aproximação de Taylor de 1ª ordem
para obtenção da equação de decomposição com pesos específicos
para cada atributo observado e coeficiente estimado, dado por:
(13)
Para:

Onde W∆kx é o peso da característica k sobre a explicação da
diferença de probabilidade justificada pelo hiato de atributos
observados entre os anos; e W∆kb representa a importância do
coeficiente k na explicação da diferença de probabilidade en-
tre os anos devido a inequidade dos coeficientes estimados. O
assegura que a soma dos respectivos pesos totali-
za 1. Dessa forma este método possibilita calcular a decompo-
sição inicial, estabelecendo a parte correspondente a diferença
das variáveis e a parte correspondente a dos parâmetros. Sub-
sequentemente calcula-se a importância relativa de cada variá-
vel e de cada parâmetro em cada uma das diferenças de decom-
posição.
5 ANÁLISES DE RESULTADOS
5.1 Determinantes do Trabalho Infanto-Juvenil
Na presente subseção, serão apresentados os resultados

relacionados aos determinantes do trabalho infanto-juvenil na
área rural nordestina estimados pelo modelo Logit para os anos
de 2002 e 2014. Dado que a proposta é avaliar os fatores que
contribuíram para a queda do trabalho infantil entre os anos
acima citados, optou-se pela estimação do modelo proposto
para cada ano.
Na Tabela 1, tem-se os resultados econométricos dos efei-
tos marginais do modelo logit apresentados tanto para o ano de
2002 quanto para 2014. Os dados revelam que há relação posi-
tiva entre a idade da criança e a probabilidade desta trabalhar,
desta forma, para o ano de 2002, tem-se que um ano a mais de
idade aumenta em 2,2 p.p (pontos percentuais) a probabilida-
de da criança trabalhar. Já em 2014 esse aumento passa a ser
de 2,4 p.p. Isto sugere que com o aumento da idade é possível
que haja vagas mais atrativas de emprego em termos de renda
e condições de trabalho fazendo com que haja um alto custo de
oportunidade da dedicação exclusiva da criança aos estudos, é
o que aponta os estudos de Emerson e Portela Souza (2007),

Cacciamali, Ferreira Batista e Tatei (2011), Aquino et al. (2010)
e Mesquita e Ramalho (2015).
No tocante ao gênero das crianças e adolescentes, nota-se
que os meninos são mais propensos à trabalhar em relação às
meninas, representando no último período um aumento esti-
mado de 0,4 p.p. Tais resultados estão em concordância com
os encontrados na literatura especializada de Kassouf (2002),
Cacciamali e Tatei (2008), Moreira et al. (2014), Araújo (2010)
e Santos e Kassouf (2010) em que enfatizam que as meninas
apresentam menores chances trabalhar comparativamente aos
meninos.
Tabela 1: Efeitos Marginais Logit para os anos de 2002 e 2014.

2002 2014
Atributo Pessoal
0.0222* 0.0274*
Idade
(0.0030) (0.0033)
0.2553* 0.1355*
Menino
(0.0117) (0.0137)
-0.0106 0.0213
Branco
(0.0155) (0.0163)
-0.0784* -0.0997*
Estudante
(0.0252) (0.0264)
Atributo do lar
-0.0101 -0.0113
Mulher Chefe da Família
(0.0249) (0.0149)
-0.0086* -0.0082*
Escolaridade Chefe da Famíli
(0.0032) (0.0020)
-0.0401 0.0160
Renda Não Trabalho do Chefe da Família
(0.0247) (0.0237)
-0.0047** -0.0003
Idade Chefe Iniciou a Trabalhar
(0.0019) (0.0014)
0.0202* 0.0070***
Tamanho da Família
(0.0031) (0.0039)

continuação
-0.2625* -0.0908**
Metropolitana
(0.0491) (0.0442)
0.1424* 0.0558
CE
(0.0361) (0.0428)
0.1407* 0.1307*
MA
(0.0390) (0.0411)
0.1098* 0.1846*
PI
(0.0397) (0.0421)
0.1091* 0.0680
PB
(0.0397) (0.0490)
0.1633* 0.0738***
PE
(0.0368) (0.0438)
0.0922* 0.1010**
BA
(0.0340) (0.0406)
0.0786*** 0.0317
AL
(0.0419) (0.0469)
0.0818*** 0.1384*
SE
(0.0485) (0.0434)
Nota: Desvio Padrão em Parênteses *** p < 0.1, ** p < 0.05, * p < 0.01.
Verifica-se que o fato da criança estudar desencadeia uma
redução na probabilidade de mesma ofertar trabalho em 7,8 p.p.
no ano de 2002 e 10 p.p em 2014, assim como expressado pelo
gráfico 1, onde observou-se que entre 2002 e 2014, houve uma
queda no número de crianças e adolescentes que trabalham e um
aumento na taxa de escolaridade.
Analisando os atributos referentes ao contexto familiar, ob-
serva-se o fato de que que ter pais mais instruídos reduzem as
chances da criança ou adolescente trabalhar, os resultados evi-
denciam que para cada ano adicional de estudo do chefe da fa-
mília a probabilidade do filho trabalhar reduz em 0,9 p.p e 0,8
p.p no primeiro e segundo ano respectivamente. Considerou-se

ainda educação como uma proxy do nível de renda dos pais, logo,
acredita-se na existência de uma relação inversa entre a renda do
chefe da família e o trabalho infanto-juvenil. Nesta perspectiva,
há uma série de pesquisas como Kassouf (1999), Kassouf (2001),
Kassouf (2002) e Santos e Kassouf (2010) realizadas no Brasil
que encontram as mesmas condições entre educação dos país e
a probabilidade de crianças e adolescentes ofertarem trabalho.
Uma das formas de se captar o efeito do contexto familiar so-
bre a oferta de trabalho infanto-juvenil é verificando a idade do
chefe da família com que este começou a trabalhar, onde espera-se
que quanto mais tarde o chefe comece suas atividades de trabalho
menor a probabilidade da criança e adolescente ofertar trabalho
(KASSOUF, 2005). Sendo assim, a presente pesquisa, verificou que
apenas para o ano de 2002, há redução de 0,5 p.p. sobre a proba-
bilidade da criança ofertar trabalho associado a decisão dos país.
Encontrou-se ainda que o tamanho da família exerce efeitos
sobre a probabilidade da criança ou do adolescente em ofertar
trabalho. De modo que, quanto maior o número de componentes
na família maior a probabilidade de se observar trabalho infan-
to-juvenil. Isto porque, acredita-se que quanto maior o tamanho
da família menor será a renda per capita e maior o grau de vul-
nerabilidade familiar. Em 2002, o impacto sobre a probabilidade
da criança trabalhar foi de 2 p.p. e em 2014 esse impacto reduziu
para 0.7 p.p. Destaca-se que tais constatações corroboram com
achados de Kassouf (2010), Moreira et al. (2014) e Barros et al.
(1994), Mesquita e Ramalho (2015), Emerson e Portela Souza
(2008), portanto, estrutura familiar formada por grande quan-
tidade de componentes parece exercer forças estimulantes sobre
o trabalho infantil.
O fato de morar em áreas metropolitanas diminui em 26 p.p e
9.1 p.p a probabilidade de inserção no mercado de trabalho infan-
to-juvenil em 2002 e 2014 respectivamente. Tais resultados corro-
boram com os achados expostos na literatura nacional de Kassouf
(2007) e Santos e Kassouf (2010), Moreira et al. (2014), nos quais
concordam que áreas urbanas possuem maior dinâmica econômi-
ca com mais postos de trabalho para os pais e, consequentemente,

maior nível de renda. Associado a estes fatores se percebe maior
nível de infraestrutura como escolas, postos de saúde e lazer. Por-
tanto, todos esses mecanismos podem contribuir para que crian-
ças e adolescentes escolham não ofertar trabalho.
Em tempo, informa-se que nas áreas não metropolitanas
houve queda na oferta de trabalho infanto-juvenil entre o ano de
2002 e 2014. Tal fato sugere possíveis melhorias de bem-estar
para os agentes que residem nesse local. Destaca-se que estes im-
pactos ocasionados pelas melhorias estruturais foram sentidos
pelos Estados da região Nordeste, no entanto, existem Estados
como Piauí e Sergipe que apresentam uma maior probabilidade
de se ofertar trabalho e tal fato pode ter ligação com o baixo di-
namismo de suas economias.
Com o intuito de verificar quais fatores contribuíram mais
para uma queda do trabalho infantil, a próxima subseção apre-
senta a análise da decomposição dos efeitos de atributos observá-
veis e não observáveis relacionados às características da criança e
do adolescente, de suas famílias e a localização geográfica.
5.2 Decompondo as Diferenças de Probabilidade

do Trabalho Infanto-Juvenil entre 2002 e 2014
Como já evidenciado em seções anteriores, observa-se uma

queda do percentual de crianças e adolescentes que trabalham na
área rural do Nordeste brasileiro entre os anos de 2002 e 2014.
Desta forma, o principal objetivo desta subseção é decompor a
diferença na probabilidade dessas crianças ofertarem trabalho
entre o referido período e verificar quais fatores mais contribuí-
ram para essa redução. A decomposição das diferenças gera dois
efeitos: transformações na composição das crianças, em termos
de características observáveis; e mudanças relacionadas a ou-
tros fatores, influenciadas pelos retornos dessas características
na probabilidade de se ofertar trabalho, os chamados fatores não
observáveis (motivação da criança ou dos pais, a dinâmica do
mercado de trabalho e questões socioeconômicas). Para tanto,
será utilizada a técnica proposta por Yun (2004).

A Tabela 2 apresenta os resultados obtidos com a decompo-
sição da diferença de probabilidade de trabalho infanto-juvenil
entre os anos de 2002 e 2014. Considerando o efeito de várias ca-
racterísticas observadas referentes às próprias crianças, às suas
famílias e localização, os resultados mostram que há uma dife-
rença negativa de probabilidade da criança e adolescente ofertar
trabalho de 24% entre os anos de 2002 e 2014. Dada a significân-
cia estatística, isto sugere que uma criança no ano de 2014 possui
relativamente uma menor probabilidade de entrar precocemente
no mercado de trabalho comparativamente a 2002.
Observa-se ainda que o hiato de probabilidade entre os re-
feridos anos se deve, principalmente, pelas diferenças sobre os
fatores não observados (91,6%) dado pela diferença do compor-
tamento do indivíduo ao longo dos anos. Já a diferença devida
aos atributos médios tem um peso de apenas 8,4%. Além disso,
se os dois anos considerados apresentassem atributos médios
iguais, a diferença de probabilidade de trabalho infanto-juvenil
aumentaria em cerca de 2 p.p. Por outro lado, se considerarmos
que ambos os anos apresentassem o mesmo comportamento em
termos de atributos não observados, o hiato de probabilidade au-
mentaria em cerca de 22 p.p. Dessa forma, evidencia-se que a
diferença de probabilidade da criança trabalhar é determinada
principalmente por distintos comportamentos entre os anos de
2002 e 2014.
Cabe destacar que as características observáveis que mais
explicam a diferença de probabilidade da criança trabalhar na
respectiva janela de tempo são, respectivamente, o nível de es-
colaridade do chefe da família (6,54%), está localizado no Mara-
nhão (-5,12%) e na Bahia com 4,5% e, por último, o tamanho da
família (3,1%). Isto implica que, se fossem eliminadas as diferen-
ças no nível de escolaridade do chefe da família, na localização do
Maranhão e da Bahia e no tamanho da família, entre os anos de
2002 e 2014, os respectivos impactos sobre o hiato da probabi-
lidade de trabalho infantil seriam: um aumento de 1,6 p.p., uma
redução de 1,2 p.p., um aumento 1,1 p.p. e um aumento 0,7 p.p.,
respectivamente.

Tabela 2: Decomposição das diferenças de probabilidade do Trabalho
Infanto-Juvenil entre os anos 2002 e 2014.
Diferença em Atributos
Diferença nos Coeficientes (C)
Observados (E)
Variáveis Impor- Impor-
Coefi- Desvio Coefi- Desvio
tância tância
ciente Padrão ciente Padrão
(%) (%)
Atributo Pessoal
Idade 0.007* 0.001 -2.8 0.269* 0.065 -112.4
Menino -0.001* 0.001 0.43 -0.005 0.0121 2.2

Branco -0.001 0.001 .34 0.010 0.0065 -4.0
Estudante -0.004* 0.001 1.5 -0.073*** 0.039 30.5
Atributo do lar
Mulher Chefe da
-0.002 0.003 0.9 -0.001 0.0031 0.35
Família
Escolaridade
-0.016* 0.004 6.5 -0.007 0.0054 2.8
Chefe da Família
Renda Não Tra-
balho do Chefe -0.000 0.0004 0 .11 0.006 0.004 -2.3
da Família
Idade Chefe Ini-
-0.000 0.001 0.06 0.032 0.024 -13.2
ciou a Trabalhar
Tamanho da
-0.007*** 0.004 3.1 -0.037 0.037 15.5
Família
Metropolitana -0.001** 0.0005 0.5 0.002 0.0022 -1.0
CE -0.000 0.00017 0.1 -0.005 0.0103 2.1
MA 0.012* 0.004 -5.1 0.006 0.005 -2.6
PI 0.001* 0.00023 -0.4 0.014* 0.005 -5.7
PB -0.002 0.0015 0.9 0.001 0.006 -0.3
PE -0.001*** 0.00086 0.6 -0.003 0.009 1.3
BA -0.011** 0.0043 4.5 0.023 0.021 -10
AL 0.001 0.0008 -0.2 -0.001 0.0046 0.4
SE 0.006* 0.002 -2.5 0.004* 0.0024 -1.8
Constante -0.453* 0.112 189.31
Subtotal -0.02* -2.92 8.42 -0.24* -18.5 91.6
R=Total (E+C) -0.24* -26.1 100

Nota: Desvio Padrão em Parênteses *** p < 0.1, ** p < 0.05, * p < 0.01.

No referente aos fatores imputados pelas características não
observáveis, dado pela diferença nos coeficientes, sugerem que as
diferenças comportamentais ao longo dos anos considerados, es-
tão relacionadas principalmente à idade da criança (-112,37) e à
condição da criança estudar (30,5%), dada a significância estatísti-
ca do teste. Portanto, se a média de idade da criança fosse a mesma
no ano de 2002 e 2014, a diferença de probabilidade de trabalho
infantil entre esses anos seria reduzida em 27 p.p. Já se a condição
de estudar das crianças nos dois anos considerados registrasse o
mesmo comportamento, o hiato médio de probabilidade de traba-
lho infanto-juvenil entre esses anos aumentaria em 7.3 p.p.
A presente pesquisa procurou analisar os determinantes do

trabalho infantil na área rural do Nordeste a partir dos dados da
Pesquisa Nacional por Amostra de Domicílios (PNAD) dos anos
de 2002 e 2014, respectivamente. Complementarmente, pro-
curou identificar quais desses fatores contribuíram mais para a
redução observada entre o período citado. Para tanto, considera-
-se variáveis destacadas na literatura relacionadas aos atributos
pessoais da criança, atributos do lar e, por fim, a localização ge-
ográfica. No tocante aos atributos pessoais, tem-se que as variá-
veis gênero, idade e se estuda foram significantes para explicar a
incidência de trabalho infanto-juvenil no país. Logo, percebe-se
que meninos, mais velhos e se não estudam possuem maior fre-
quência na oferta de trabalho infantil-juvenil brasileira.
Com relação aos atributos do lar, tem-se que quanto a maior
escolaridade do chefe da família e maior a idade com que o chefe
começou a trabalhar, menor será a incidência de trabalho infan-
til. Por seu turno, as ocorrências de trabalho infantil se mostram
relacionadas positivamente com o tamanho da família.
Os resultados mostram que houve uma queda na probabili-
dade da criança ofertar trabalho entre os anos de 2002 e 2014.
Essa diferença de probabilidade entre os dois anos foi decompos-
ta em dois efeitos: as mudanças em características observáveis e

as mudanças em características não observáveis. Os dois efeitos
apresentaram peso na decomposição das diferenças de proba-
bilidade, no entanto, a maior parte dessa diferença é explicada
por distintos comportamentos principalmente de atitudes não
observadas entre os anos considerados e relacionados a idade da
criança e ao fato desta estudar.
REFERÊNCIAS
AQUINO, J. M.; FERNANDES, M. M.; PAZELLO, E. T.; SCORZA-

FAVE, L. G. Trabalho infantil: persistência intergeracional
e decomposição da incidência entre 1992 e 2004 no Brasil
rural e urbano. Revista Economia Contemporânea. v. 14, n. 1, p.
61-84, jan./abr. 2010.
ARAÚJO, Aracy Alves. O Programa Bolsa-Família e o trabalho in-
fantil no Brasil. Viçosa: UFV, Tese (Doutorado em Economia
Aplicada) – Curso de Pós-Graduação em Economia Aplicada,
2010.
BARROS, R. P.; HENRIQUES, R.; MENDONÇA, R. 2000. Desigual-
dade e pobreza no Brasil: retrato de uma estabilidade inaceitável.
Revista Brasileira de Ciências Sociais, 15(42), pp. 123-142.
BARROS, R. P.; SILVA, P. R.. Infância e adolescência no Brasil: as
consequências da pobreza diferenciadas por Gênero, faixa etária e
região de residência. Ver. Pesquisa e Planejamento Econômico, RJ,
v.21, pág. 355-376, 1991. BRASIL.
BARROS, R. P; MENDONÇA, R., VELAZCO, T. Is poverty the main
cause of child work in urban Brazil? Texto para Discussão, IPEA, n.
351, 1994.
BASU, K. The intriguing relationship between adult minimum wage
and child labor. Economic Journal, v. 110, n. 46, p. 50-61, 2000.
BEEGLE, K.; DEHEJIA, R. H.; GATTI, R.; KRUTIKOVA, S. The conse-
quences of child labor: evidence from longitudinal data in rural Tanza-
nia. In: Child Labor Conference, Indiana University, 2007.
CACCIAMALI, M. C.; TATEI, F.; FERREIRA BATISTA, N. Impactos
do programa Bolsa Família federal sobre o trabalho infantil e a fre-

quência escolar. Revista Economia Contemporânea, Rio de Janeiro,
v. 14, n. 2, p. 269-301, 2010.
CACCIAMALI, M. Cristina; TATEI, Fábio. Trabalho Infantil e o sta-
tus ocupacional dos pais. Revista de Economia Política, vol.28, n. 2
,São Paulo Abril/Junho 2008.
CAVALIERI, C.H. (2002). “O impacto do trabalho infantil sobre o
desempenho escolar: Uma avaliação para o Brasil metropolitano”.
Tese de Doutorado à Escola de Administração de Empresas de São
Paulo, São Paulo, p. 109.
EMERSON, P. M.; PORTELA SOUZA, A. F. 2002. “Barganing
over Sons and Daughters: Child Labor, School Attendance and In-
tra-household Gender Bias in Brazil.” Working Paper. University of
Colorado, Dep. of Economics, Denver.
EMERSON, P. M.; PORTELA SOUZA, A. F. Birth Order, Child La-
bor, and School Attendance in Brazil. World Development, v. 36, n.
9, p. 1647-1664, 2008.
EMERSON, P. M.; PORTELA SOUZA, A. F. The inter‑generational
Persistence of Child Labor. Social Protection Discussion Paper Se-
ries, World Bank, n. 515, 2005.
HEADY, C. The effect of child labor on learning achievement. World
Development, v. 31, n. 2, p. 385‑398, 2003.
IBGE. Instituto Brasileiro de Geografia e Estatística: Censo Demo-
gráfico 2010 - Resultados do universo. Disponível em: http://www.
ibge.gov.br. Acesso em: 01 de Janeiro de 2016.
ILAHI, N., P. ORAZEM e G. SEDLACEK. 2000. The Implications
of Child Labor for Adult Wages, Income and Poverty: Retrospective
Evidence from Brazil. Working paper, IMF.
KASSOUF, A. L. Saúde e mercado de trabalho. Pesquisa e Planeja-
mento Econômico. Rio de Janeiro, v. 27, n. 3, p. 587-610, 1997.
KASSOUF, A. L. Trabalho infantil no Brasil. Tese de Livre Docên-
cia, Escola Superior de Agricultura Luiz de Queiroz da Universidade
de São Paulo, Piracicaba, 1999.
KASSOUF, A. L. Trabalho infantil: escolaridade x emprego. Econo-
miA, v.2, n.2, p.549-586, jul./dez. 2001.

KASSOUF, A.L.; MCKEE, M. e MOSSIALOS, E. (2001) “Early en-
trance to the job market and its effect on adult health: evidence from
Brazil”. Health Policy and Planning, vol. 16, nº 1, pp. 21-28.
KASSOUF, Ana Lúcia, O Efeito do Trabalho Infantil para os Rendi-
mentos e a Saúde dos Adultos, R.J., IPEA, 2000.
KASSOUF, A. L. Aspectos socioeconômicos do trabalho in-
fantil no Brasil. Brasília: Ministério da Justiça, 2002.
KASSOUF, Ana Lúcia. Trabalho Infantil: Causas e Consequências.
Estudo realizado para ser apresentado na prova publica oral do con-
curso de Professor Titular do Departamento de Economia da Esalq,
2005.
KASSOUF, A. L. O Efeito do Trabalho Infantil para os Rendi-
mentos dos Jovens, Controlando o Background Familiar.
XIII Encontro da Associação Brasileira de Estudos Populacionais,
Ouro Preto-MG, 2002a.
KASSOUF, A. L.(2007), O que conhecemos sobre o trabalho infan-
til? Belo Horizonte: Nova Economia, Vol. 17, No. 2, mai/ago.
MINAYO GOMEZ, C.; MEIRELLES, Z. V. Crianças e adolescentes
trabalhadores: um compromisso para a saúde coletiva. Cadernos
de Saúde Pública, v. 13, n. 2, p. 135‑140, 1997.
MONTE, P. A. Exploração do Trabalho Infantil no Brasil: Consequ-
ências e Reflexões. Rev. Econ. Contemp., Rio de Janeiro, v. 19, n. 1,
p. 97-134, jan-abr/2015.
MOREIRA, G. C.; TEIXEIRA,E. C.; GOMES,M. F. M.; BARBO-
SA,R.M Determinantes do trabalho infantil na região nordeste do
Brasil, no ano de 2009. Revista Economia e Desenvolvimento,
v. 13, n. 2, p. 258-272, 2014.
MUNIZ, A. L. P. Paracterísticas e importância do trabalho infantil
rural mineiro no período de 2003 a 2007. Revista CEPPG. 2012.
NAGARAJ, K. 2002. Female and Child Workers in a Household In-
dustry. Working Paper, Madras Institute of Development Studies,
Gandihinagar.

PATRINOS, A. H.; PSACHAROPOULOS, G. Family Size, Schooling
and Child Labor in Peru: An empirical analysis. Journal of Popula-
tion Economics, v. 10, n. 4, p. 387‑405, 1997.
PNAD (2003). Microdados. Pesquisa Nacional por Amostra de Do-
micílio. Instituto Brasileiro de Geografia e Estatística, IBGE. Rio de
Janeiro.
PNAD (2013). Microdados. Pesquisa Nacional por Amostra de Do-
micílio. Instituto Brasileiro de Geografia e Estatística, IBGE. Rio de
Janeiro.
PONCZEK, V. e SOUZA, A.P. (2007). “The causal effect of family
size on child labor and education”. Texto para Discussão, Fundação
Getúlio Vargas.
RAMALHO, H. M. B.; Mesquita, S. P. Trabalho infantil no Brasil
urbano: qual a importância da estrutura familiar?. Revista de Eco-
nomia Contemporânea (2015) 19(1): p. 97-134.
REPETTO, R. 1976. “Direct Economic Costs and Value of Children”
in Population and Development, ed. R. G. Ridker, chapter 3. John
Hopkins Un. Press, USA, pp. 77-97.
ROCHA, S. Pobreza e indigência no Brasil – algumas evidências
empíricas com base na PNAD 2004. Revista nova economia,
Belo Horizonte, v. 16 (2), pp. 265-299, maio-agosto de 2006.
ROSENZWEIG, M. 1981. “Household and Non-household Activities
of Youths: Issues of Modelling, Data and Estimation Strategies” in
Child Work, Poverty and Underdevelopment. Ed. Gerry Rodgers e
Guy Standing. ILO, Genebra.
SANTOS, B. R. (2005). Combating child labor in Brazil: Social
movements in action. In Weston, B., editor, Child Labor and Hu-
man Rights: Making Children Matter, pages 209–32. Lynne Rien-
ner, Boulder, CO. and London.
SANTOS, M. J.; KASSOUF, A. L. Trabalho infantil no meio rural
brasileiro: evidências sobre o “paradoxo da riqueza”. Economia
Aplicada, v. 14, n. 3, 2010, pp. 339-353.

Artigo extra
C apítulo 11
NÍVEL DE EFICIÊNCIA DA CAPRINO-
OVINOCULTURA NOS TERRITÓRIOS
DA CIDADANIA, CEARÁ 61
Jair Andrade de Araújo62

Kilmer Coelho Campos63
José Cesar Vieira Pinheiro64
RESUMO
Objetivou-se verificar o nível de eficiência técnica de produto-

res de caprinos e ovinos situados nos Territórios da Cidadania
de Crateús, Sertão Central e Canindé no estado do Ceará. Os
dados de natureza primária foram coletados no ano de 2013,
gerados a partir de entrevista direta (aplicação de questio-
nários) junto ao produtor, considerando 2012 como ano de
referência para produção, em que foram aplicados 31 ques-
tionários. Como metodologia de pesquisa, foi utilizada a aná-
lise envoltória de dados (DEA). De acordo com os resultados
61
Este trabalho é resultado de uma pesquisa que vem sendo desenvolvida
pelo Projeto Monitoramento e Avaliação de Territórios Rurais Cearenses,
com 4 células no Ceará (Sertão Central, Inhamuns-Crateús, Sertões de Ca-
nindé e Vales do Curu-Aracatiaçu), coordenado pela Universidade Fede-
ral do Ceará, com financiamento pelo MDA/SDT/CNPq através do Edital
005/2009 – Gestão de Territórios Rurais.
62
Professor Adjunto I do Departamento de Economia Agrícola da Univer-
sidade Federal do Ceará (UFC) – Campus Pici e Doutor em Economia pela
Universidade Federal do Ceará (CAEN). E-mail: [email protected]
63
Professor Adjunto IV do Departamento de Economia Agrícola da Univer-
sidade Federal do Ceará (UFC) – Campus Pici e Doutor em Economia Apli-
cada pela Universidade Federal de Viçosa (UFV). E-mail: [email protected]
64
Professor Titular do Departamento de Economia Agrícola da Universi-
dade Federal do Ceará (UFC) – Campus Pici e Doutor em Economia pela
Universidade de São Paulo (USP). E-mail: [email protected]

obtidos por meio da discriminação dos produtores eficientes
e ineficientes de caprinos e ovinos, foi verificado que dos 31
produtores entrevistados: 14 foram eficientes tecnicamente
com retornos constantes à escala e 18 com retornos variáveis a
escala. Quando analisada a eficiência de escala, cinco produto-
res apresentaram rendimentos decrescentes à escala, 12 ren-
dimentos crescentes e 14 rendimentos constantes. O direcio-
namento de políticas governamentais como a implementação
de cursos e palestras sobre gerenciamento de propriedades
agrícolas e sobre manejo produtivo, reprodutivo e sanitário de
caprinos e ovinos pode ser uma alternativa viável para a redu-
ção da ineficiência produtiva.
Palavras-chave: Eficiência técnica; análise envoltória de da-
dos; Ceará.
1 INTRODUÇÃO
A caprino-ovinocultura se destaca há muito tempo como

atividade de elevada importância no meio rural do Nordeste do
Brasil. O maior rebanho de médio porte nacional de caprinos e
ovinos concentra-se no Nordeste com 90,97 % e 57,24%, respec-
tivamente. Entre os estados da região, o Ceará tem o 2º maior
rebanho de ovinos com 21,18% e o 4º maior rebanho de caprinos
com 12,23%, em que a principal finalidade é a produção de carne.
Mesmo assim, a produção de leite de cabra chega a 21 milhões
de litros envolvendo principalmente empresas de pequeno porte
(IBGE, 2011).
Além das estatísticas apresentadas, alguns fatores dão a ca-
prino-ovinocultura elevada significação socioeconômica na defi-
nição de opções de atividades de produção, objetivando superar
os problemas da baixa produtividade e da reduzida rentabilidade
da agropecuária no semi-árido cearense. Assim sendo, podem-
-se destacar a elevada tolerância dos ovinos e caprinos as altas
temperaturas e a combinação adequada entre os seus hábitos ali-
mentares e a flora existente. Convêm evidenciar, ainda, as van-

tagens dos reduzidos investimentos necessários ao criatório, em
comparação com outras atividades, e o papel destacado que de-
sempenha a caprino-ovinocultura no meio rural no suprimento
alimentar e na geração de renda, com origem na comercialização
da carne, da pele e subprodutos (CAMPOS, 2001).
Apesar das condições favoráveis ao criatório, entende-se
que as explorações de ovinos e caprinos, na região Nordeste,
ainda são desenvolvidas sob a forma ultra extensiva caracteri-
zando-se por alimentação deficiente, manejo e profilaxia ina-
dequados o que resulta em baixa produtividade, baixo desfrute
e, em consequência, insatisfatórios resultados econômico-fi-
nanceiros. Acredita-se que mediante a adoção de tecnologias
adequadas, associadas as práticas de manejo racionais (ali-
mentação, profilaxia, dentre outras), além de um programa de
melhoramento genético dos rebanhos, o produtor possa colo-
car no mercado, sem muitas dificuldades, maiores produções
de carne e pele para viabilizar essas atividades (NOGUEIRA
FILHO, 2000).
A eficiência do processo de produção de caprinos e ovinos
pode ser verificada através da comparação da situação atual
com uma situação ótima que poderia ser atingida, dadas as
combinações de insumos ou de produtos existentes. Segundo
Moita (1995), comparar a eficiência de unidades de produção
ou firmas pode ajudar a avaliar suas performances em relação
a outras firmas. Se uma firma é eficiente, ela utiliza seus re-
cursos para alcançar a máxima produção, ou seja, a eficiência
é determinada pela comparação da produção observada com
as produções máximas possíveis, dentro da sua limitação de
insumos.
Assim, objetivou-se verificar o nível de eficiência técnica de
produtores de caprinos e ovinos situados nos Territórios da Cida-
dania de Crateús, Sertão Central e Canindé no estado do Ceará,
identificando os produtores eficientes e ineficientes, e propondo
a alocação eficiente dos insumos para os produtores ineficientes
que contribua para rendimentos positivos na atividade.

Em um processo de produção, podem-se identificar dois ti-

pos de eficiência: técnica e econômica. A eficiência técnica refe-
re-se à proficiência com que os insumos utilizados no processo
produtivo são convertidos em produtos. Nesse contexto, afir-
ma-se que um produtor é tecnicamente eficiente se, dada certa
quantidade de insumos, ele só consegue aumentar a produção de
um produto quando diminui a produção de outro, ou seja, quan-
do não há desperdícios de insumos. Desta forma, uma produção
é tecnicamente eficiente se não existir outro processo, ou combi-
nação de processos, que consiga alcançar o mesmo nível de pro-
dução, utilizando-se uma quantidade inferior de pelo menos um
insumo (PEREIRA, 1995).
Já a eficiência econômica refere-se à proficiência com que
os produtores conduzem o processo produtivo, com o intuito de
obter o máximo lucro ou o mínimo custo de produção. Um pro-
cesso produtivo é economicamente eficiente se não existir outro
processo alternativo, ou a combinação de processos, que produza
a mesma quantidade, a menor custo ou maior lucro. Enquanto a
eficiência técnica envolve o aspecto físico da produção (quantida-
de física), a eficiência econômica trabalha o aspecto monetário da
produção, envolvendo quantidades físicas e preços dos fatores.
De acordo com Tupy; Yamaguchi (1998), a eficiência de
uma firma (ou unidade produtiva) é dada pela comparação en-
tre valores observados e valores ótimos de insumos e produ-
tos. Esta comparação pode ser verificada como a relação entre
a quantidade de produto obtido e o seu nível máximo de pro-
dução, dada certa quantidade de insumos utilizados; ou como a
relação entre a quantidade de insumo utilizada, dada as limita-
ções do produtor, e o mínimo requerido para produzir determi-
nada quantidade de produto; ou ainda, com a combinação dos
dois anteriores.
As medidas de eficiência podem ser calculadas através de
uma função de fronteira de produção, que define os limites de
máxima produtividade que uma unidade de produção pode al-

cançar num processo de transformação, utilizando-se certa com-
binação de fatores. Logo, uma medida de ineficiência seria a
distância que uma unidade de produção encontra-se abaixo da
fronteira de produção (GOMES, 1999).
Há situações em que várias firmas utilizam variados insu-
mos e produzem muitos produtos. Daí a necessidade de se uti-
lizar uma técnica que compare cada firma somente com a(s)
melhor(es) firma(s), pois dentre um grupo de firmas pode-se
constatar mais de uma firma eficiente, ou seja, que maximiza a
produção ou minimiza custos dado seu nível de insumos utiliza-
dos. A análise envoltória de dados (DEA) realiza esta abordagem
através da manipulação de insumos e produtos nos processos de
produção, além de permitir a modelagem com retornos cons-
tantes e variáveis de escala. O método é uma abordagem não-
-paramétrica de programação matemática, como alternativa aos
métodos estatísticos convencionais, para a estimação da eficiên-
cia, mediante fronteiras eficientes. Um pressuposto na aplicação
do DEA é que a amostra deve ser homogênea e participar do mes-
mo ramo de atividade.
O DEA permite medir a eficiência das unidades produtivas
pelas abordagens com orientação produto e/ou insumo. Nas me-
didas de orientação produto, identifica-se qual a quantidade de
produto que poderia ser proporcionalmente expandida sem alte-
rações nas quantidades de insumos utilizados por determinada
firma (produtor). Já nas medidas de orientação insumo, identifi-
ca-se a quantidade de insumos que pode ser proporcionalmente
reduzida sem modificar a quantidade de produto que está sendo
gerada na produção (GOMES, 1999).
3 METODOLOGIA
3.1 Área de Estudo
O Programa Territórios da Cidadania é uma proposta da Se-

cretaria do Desenvolvimento Territorial (SDT), vinculada ao Mi-
nistério do Desenvolvimento Agrário (MDA) que tem como ob-

jetivos promover o desenvolvimento econômico e universalizar
programas básicos de cidadania por meio de uma estratégia de
desenvolvimento territorial sustentável (PORTAL DA CIDADA-
NIA, 2013). O Ceará é formado por 6 Territórios da Cidadania. O
presente estudo foi realizado em três territórios do Ceará: Sertão
Central, Canindé e Crateús.
O Território Sertões de Canindé abrange uma área de
9.099,20 km² e é composto por 6 municípios: Boa Viagem, Ca-
nindé, Caridade, Itatira, Madalena e Paramoti. A população to-
tal do território é de 195.314 habitantes, dos quais 86.314 vivem
na área rural, o que corresponde a 44,19% do total. Possuem
17.416 agricultores familiares, 3.261 famílias assentadas. Seu
IDH médio é 0,62 (MINISTÉRIO DO DESENVOLVIMENTO
AGRÁRIO, 2011).
O Território Sertão Central abrange uma área de 15.678,40
km² e é composto por 12 municípios: Milhã, Banabuiú, Choró,
Deputado Irapuan Pinheiro, Ibaretama, Mombaça, Pedra Bran-
ca, Piquet Carneiro, Quixadá, Quixeramobim, Senador Pompeu
e Solonópole. A população total do território é de 362.091 habi-
tantes, dos quais 158.415 vivem na área rural, o que corresponde
a 43,75% do total. Possui 28.808 agricultores familiares, 2.096
famílias assentadas e 1 comunidade quilombola. Seu IDH mé-
dio é 0,63 (MINISTÉRIO DO DESENVOLVIMENTO AGRÁRIO,
2011).
O Território Inhamuns Crateús abrange uma área de
30.795,60 km² e é composto por 20 municípios: Ararendá, Ca-
tunda, Ipueiras, Monsenhor Tabosa, Poranga, Aiuaba, Arneiroz,
Crateús, Hidrolândia, Independência, Ipaporanga, Ipu, Nova
Russas, Novo Oriente, Parambu, Pires Ferreira, Quiterianópolis,
Santa Quitéria, Tamboril e Tauá. A população total do território
é de 524.175 habitantes, dos quais 235.562 vivem na área rural,
o que corresponde a 44,94% do total. Possui 45.145 agricultores
familiares, 3.649 famílias assentadas, 12 comunidades quilom-
bolas e 1 terras indígenas. Seu IDH médio é 0,64 (MINISTÉRIO
DO DESENVOLVIMENTO AGRÁRIO, 2011).

3.2 Natureza e Fonte dos Dados
Os dados de natureza primária foram coletados no ano de

2013, gerados a partir de entrevista direta (aplicação de ques-
tionários) junto ao produtor, considerando 2012 como ano de
referência para produção, em que foram aplicados 31 questio-
nários com os criadores de ovinos e caprinos distribuídos entre
os territórios de Canindé (13 produtores), Crateús (15 produto-
res) e Sertão Central (3 produtores) que realizaram gastos anu-
ais (em R$) com fatores básicos de produção, tais como: mão de
obra (x1); rações e derivados (x2); vacinas, medicamentos e ver-
mífugos (x3) e investimentos em terras, pastagens, benfeitorias,
máquinas e equipamentos (x4) combinados para a obtenção de
um único produto representado pela renda bruta anual (em R$)
da produção de caprinos e ovinos (y) oriunda da venda de ani-
mais e de subprodutos. Na realização do trabalho foi utilizado
o software DEAP.
3.3 Método de Análise
Para determinar a medida de eficiência técnica dos produ-

tores de ovinos e caprinos, comparou-se os níveis de insumos
e produtos produzidos com os níveis encontrados no conjunto
referência das firmas abordadas, construindo uma fronteira
de produção, como é visualizado através do gráfico exposto na
Figura 1.
A análise envoltória de dados permitiu medir a eficiência dos
produtores de caprinos e ovinos pela abordagem com orientação
insumo, identificando-se a quantidade de insumos que pode ser
proporcionalmente reduzida sem a modificação da quantidade
de produto que está sendo gerada na produção.

Figura 1: Representação gráfica de fronteira de produção.
Fonte: COELLI et. al (1996).
O segmento MM’ expressa uma isoquanta que permite me-

dir a eficiência técnica, representada pela equação:
ET1 = OP/OL (1)
Enquanto a eficiência alocativa foi determinada pela razão:
EA1 = ON/OP (2)
E a eficiência econômica total foi:
EET = ON/OL (3)

Para medir a eficiência técnica, derivou-se a seguinte forma
envoltória equivalente ao problema típico de programação linear,
cujo objetivo é minimizar a ineficiência de cada unidade produtiva:
Min φ, λ φ, (4)
Sujeito a:
- Yi + Yλ > 0
φ Xi - Xλ > 0
λ>0

Em que:
φ = corresponde a um escalar cujo valor foi a medida de eficiên-
cia da i-ésima unidade de produção.
λ = corresponde ao um vetor Nx1, cujos valores foram calculados
a fim de se obter a solução ótima.
Para a firma eficiente os valores de λ foram iguais a zero, en-
quanto para as ineficientes os valores de λ foram os pesos utili-
zados na combinação linear de outras unidades de produção efi-
cientes, às quais têm influência na projeção da firma ineficiente
sobre a fronteira de produção. Isso significa que para cada firma
ineficiente existe pelo menos uma única firma eficiente, que ser-
virá de modelo para a ineficiente, atuando como firma virtual,
mediante combinação linear.
O valor do φ obtido foi o escore de eficiência para a i-ésima
firma e a restrição de que φ < 1 dirá que a unidade de produ-
ção está fora da fronteira de produção. Logo, o valor φ igual a 1,
mostrou que a firma está sobre a fronteira de produção sendo,
portanto, eficiente (GOMES, 1999).
Os escores de eficiência técnica (ET) foram decompostos
em dois componentes: uma DEA com Retornos Constantes
à Escala (RCE) e uma DEA com Retornos Variáveis à Escala
(RVE), utilizando-se o mesmo produto e os mesmos insumos.
Segundo Gomes; Baptista (2004), essa decomposição permite
a separação da eficiência técnica da eficiência de escala, uma
vez que ao utilizar apenas a análise sob retornos constantes à
escala, as duas eficiências poderão ser confundidas, quando
algumas firmas estão produzindo fora do ponto ótimo. A Figu-
ra 2 permitiu a visualização da decomposição da ET em RCE
e com RVE.

Figura 2: Representação gráfica da eficiência de escala.
Fonte: COELLI et. al (1996).
As medidas da eficiência técnica e de escala foram obtidas

pelas seguintes equações:
ET1, RCE = APC/AP (5)
ET1, RVE = APV/AP (6)
ES1, RVE = APC/APV (7)
Em que:
ET = medida de eficiência técnica.
ES = medida de eficiência de escala.
Conforme Charnes et al. (1994), existem várias formulações
de DEA. Há dois modelos básicos que são geralmente usados
nas aplicações empírica. O modelo chamado de CCR, conhecido
como CRS (Retornos Constantes de Escala) que avalia a eficiên-
cia total, identifica as DMU’s eficientes e ineficientes e determina
a que distância da fronteira de eficiência estão às unidades inefi-
cientes. O outro modelo é o BCC, denominado de VRS (Retornos
Variáveis de Escalas) que utiliza uma formulação que permite a
projeção de cada DMU ineficiente sobre a superfície de fronteira
determinada pela DMU’s eficiente de tamanho compatível.

Coelli e Rao (2003) afirmar que o método DEA pode ser
tanto orientado aos insumos quanto aos produtos. No primeiro
caso, define a fronteira por meio da busca da redução proporcio-
nal máxima na utilização dos insumos, com níveis de produtos
mantidos constantes. Por outro lado, no caso de ser orientado
aos produtos, o método busca aumentar proporcionalmente a
produção, com os níveis de insumos mantidos constantes. No
entanto, os autores pressupõe-se uma tecnologia do tipo retor-
nos constantes de escala, tendo em vista que trabalharam com
dados agregados de nações e não com informações de fazendas
individuais.
Nesse artigo, para analisar a natureza de escala das firmas
foi necessário determinar o modelo com a preposição de retor-
nos não-decrescentes à escala definidos em (GOMES; BAPTIS-
TA, 2004), dado por:
Min φ, λ φ, (8)
Sujeito a:
- Yi + Yλ > 0
φ Xi - Xλ > 0
N1`λ > 1
λ>0
A representação da fronteira com retornos não-decrescentes
à escala pode ser vista na Figura 2. Enquanto a fronteira com re-
tornos constantes é definida por uma reta com origem no vértice
do gráfico, a fronteira com retornos não-decrescentes possui um
formato em parábola, embora sempre crescente que tangencia a
fronteira com retornos constantes.
A determinação da natureza do retorno à escala (calculada
diretamente pelo software - DEAP) foi dada pela comparação
entre a ET obtida pelo modelo com retornos variáveis e a ET
obtida pelo modelo com retornos não-decrescentes. Quando
ET com retornos não-decrescentes for igual a ET com retornos
variáveis, a firma opera com retornos crescentes à escala, mas
quando a relação for diferente, a firma produz com retornos

decrescentes. No primeiro caso, o produtor deve elevar o vo-
lume de produção para tornar-se eficiente. Em contraposição,
no segundo caso, a eficiência será alcançada pela diminuição da
produção.
4.1 Perfil técnico dos caprino-ovinocultores nos

Territórios da Cidadania do Ceará
Na Tabela 1, considerando uma amostra de 31 produtores

entrevistados, destacou-se a falta de melhoramento genético de
raças, pois 67,74% dos produtores afirmaram possuir reprodu-
tores e matrizes sem raça definida e 70,97% compraram repro-
dutores, ou seja, fizeram a aquisição de animais fora do próprio
rebanho. Estes resultados se assemelham aos de Quadros (2005)
que identificou um contingente de quase 90% do rebanho da
região Nordeste composto por animais sem raça definida com
muita rusticidade e adaptação ao meio ambiente, mas com baixo
potencial de produção.
Tabela 1: Sistema de criação e perfil do rebanho, Ceará.

Frequência (%)
Reprodutores Melhorados 51,61
Raças Matrizes Melhoradas 12,90
Melhoradas*
Reprodutores e Matrizes Sem
67,74
Raça Definida
Extensivo 58,06
Sistema de
Intensivo 9,68
Criação
Misto 32,26
Rebanho Próprio 29,03
Reprodutores
Rebanho Comprado 70,97
*Os entrevistados podem citar mais de uma alternativa.
Fonte: Resultados da pesquisa (2012).

O sistema de criação é extensivo quando os animais são sol-
tos no campo, intensivo quando confinados e misto quando cria-
dos nos dois sistemas. Quadros (2005) apontou as vantagens e
desvantagens da criação solta e confinada, em que a criação ex-
tensiva resulta em carcaças de menor teor de gordura e reduzidos
custos de produção, todavia, aumenta o número de dias neces-
sários para atingir um determinado peso de abate. Já a criação
intensiva proporciona um rápido e mais eficiente crescimento
dos animais, porém com um maior teor de gordura. Para os três
territórios, o sistema de criação que se destacou foi o extensivo
citado por 58,06% dos produtores.
Na Tabela 2 identificou-se o manejo sanitário nos territórios.
O correto manejo reduz os prejuízos econômicos em consequên-
cia do aumento na produtividade, diminuição da taxa de mortali-
dade e dos gastos com medicamentos. Verificou-se a alta e média
frequência na utilização de vacinas e medicamentos no rebanho,
respectivamente. Em relação ao nível de uso de vermífugos, me-
nos da metade dos produtores (48,38%) declararam utilizar três
ou quatro vezes durante o ano.
Tabela 2: Manejo sanitário na criação de ovinos e caprinos,

Ceará.
Frequência (%)
Frequentemente 90,32
Vacinas
Raramente 3,23
Não 6,45
Frequentemente 54,84
Medicamentos Raramente 25,81
Não 19,35
1 vez/ano 0,00
2 vezes/ano 51,61
Doses de Vermífugos
3 vezes/ano 19,35
4 vezes/ano 29,03

A Tabela 3 mostrou uma caracterização do manejo produ-
tivo e reprodutivo do rebanho cearense através da identifica-
ção de algumas práticas indispensáveis no correto controle dos
animais. Identificam-se resultados variáveis para os territórios,
com destaque de baixa incidência das práticas de divisão de
pastagens, desmama, silagem, limpeza de umbigo, monta con-
trolada e castração.
Tabela 3: Manejo produtivo e reprodutivo na criação de ovinos

e caprinos, Ceará.
Frequência (%)
Sim Não
Divisão de Pastagem 32,26 67,74
Desmama 32,26 67,74
Silagem 16,13 83,87
Ração Concentrada 67,74 32,26
Sal Comum 74,19 25,81
Sal Mineral 87,10 12,90
Limpeza de Instalações 83,87 16,13
Limpeza do Umbigo 48,39 51,61
Monta Controlada 16,13 83,87
Castração 48,39 51,61
Assim, identificou-se a falta de planejamento dos capri-

no-ovinocultores na prevenção das secas, períodos de estia-
gens e formação de estoque de alimentos para os animais.
Constatou-se, também, o baixo manejo reprodutivo do reba-
nho através da prática de monta controlada e castração, o
que favorece a intensificação de rebanhos sem raça definida,
informação verificada por meio de resultados apresentados
anteriormente.

4.2 Medidas de eficiência técnica e de escala de
produção dos caprino-ovinocultores nos Terri-
tórios da Cidadania do Ceará
Considerando-se o modelo de retornos constantes à escala,

observou-se pela Tabela 4 que, dos 31 produtores da amostra,
catorze apresentaram máxima eficiência técnica, o que corres-
ponde a 45,16% da amostra total. A medida de eficiência técnica
média neste modelo foi 0,668, representando uma ineficiência
média de 0,332 que indica, de outra forma, a possibilidade de
redução nos gastos anuais com insumos em, aproximadamente,
33,2% em média, mantendo-se o mesmo nível de produção.
A medida de eficiência técnica média, considerando-se retor-
nos variáveis, sobe para 74,1%, indicando a possibilidade de redu-
ção média nos gastos anuais de insumos em 25,9%. Neste modelo,
58,06% dos produtores da amostra apresentaram índice de efici-
ência igual a um, dentre os quais estão incluídos invariavelmente
aqueles que obtiveram índice máximo sob retornos constantes,
dado que, para ser tecnicamente eficiente no modelo com retor-
nos constantes, é necessário que sejam tecnicamente eficientes em
qualquer outro tipo de retorno, assim como apresentar eficiência
de escala, sendo então chamados tecnicamente eficientes.
Tabela 4: Medidas de eficiência técnica e de escala dos caprino-

ovinocultores nos Territórios da Cidadania, Ceará.
Eficiência Técnica
Níveis de Retornos
Retornos Cons- Eficiência
Eficiência Variáveis à
tantes à Escala de Escala
Escala
Média 0,668 0,741 0,850
Máxima 1,000 1,000 1,000
Mínima 0,004 0,100 0,010
Produtores
14 18 14
Eficientes
% da Amostra 45,16 58,06 45,16

Note que na última coluna da Tabela 4 apresenta a medida
de eficiência à escala (média) de 0,850, que corresponde a
razão da medida de eficiência técnica com retornos constantes
de escala pela medida de eficiência técnica com retornos
variáveis à escala. Especificamente, catorze, doze e cinco
caprino-ovinocultores apresentaram rendimentos constantes
à escala, rendimentos crescentes e decrescentes à escala,
respectivamente.
Na Tabela 5 classificaram-se 13 produtores ineficientes como
aqueles que não apresentaram eficiência técnica (a RCE e/ou
RVE) e/ou eficiência de escala. Seguem os ajustes necessários
para conduzir as unidades, ou seja, especifica-se o valor médio
dos gastos anuais com insumos necessários para as unidades tor-
narem-se tecnicamente eficientes. A situação ótima média retra-
tou a eficiência técnica propondo uma combinação na utilização
dos insumos de forma a maximizar produção com o mínimo pos-
sível de gastos com insumos agrícolas.
Tabela 5: Valor médio ótimo de fatores para maximizar

eficiência da produção de caprinos e ovinos nos Territórios da
Cidadania, Ceará.
Legenda: *Calculada considerando todos os produtores ineficientes. MO = mão

de obra; RA = rações e derivados; MED = vacinas + medicamentos + vermífu-
gos; CF (capital fixo) = terras e pastagens + benfeitorias + máquinas + equipa-
mentos.
Observando os produtores do território de Canindé, cons-

tatou-se que para eles atingirem a eficiência técnica deverão re-
duzir seus gastos, em média, R$ 5.770,74/ano de mão-de-obra
utilizada no processo produtivo, R$ 505,79/ano de rações e de-

rivados, R$ 51,02/ano de vacinas, medicamentos e vermífugos e
R$ 3.194,80 de capital investido na atividade. Os produtores do
território de Crateús também necessitam reduzir os gastos com
mão-de-obra, rações e capital fixo, mas devem aumentar os gas-
tos com vacinas, medicamentos e vermífugos para tornarem-se
eficientes.
Em termos médios gerais, a produção de caprinos e ovinos
nas propriedades ineficientes será otimizada com uma redução
de R$ 20.013,46/ano e R$ 12.392,98/ano de mão-de-obra e ra-
ções, respectivamente. Já o capital médio empatado na atividade
deverá reduzir de R$ 150.284,62 para R$ 41.109,60. Portanto,
verificou-se um razoável montante de recursos inutilizados para
uma receita bruta média de R$ 7.533,02/ano.
Assim, quando analisada a parcela total de fatores utilizados
pelos 13 produtores ineficientes, observou-se um montante con-
siderável de recursos consumidos desnecessariamente. Pela aná-
lise, a economia dos recursos seria da ordem de R$ 260.174,91/
ano de mão-de-obra; R$ 153.039,50/ano de rações e derivados;
e R$ 1.419.275,25 de capital investido. Já os gastos com vaci-
nas, medicamentos e vermífugos deveriam aumentar em R$
93.152,40/ano.
5 CONCLUSÃO
O índice de eficiência técnica dos produtores permite classi-

ficá-los como eficientes e ineficientes. Aqueles agricultores que
atingiram índices de eficiência técnica mais próxima da frontei-
ra de produção, ou seja, mais próximos de 1,00 são classificados
como eficientes, portanto, atingiram a uma maior produção utili-
zando menor quantidade de insumos.
De acordo com os resultados obtidos por meio da discri-
minação dos produtores eficientes e ineficientes de caprinos e
ovinos, foi verificado que dos 31 produtores entrevistados: 14
foram eficientes tecnicamente com retornos constantes à escala
e 18 com retornos variáveis a escala. Quando analisada a efi-
ciência de escala, 5 produtores apresentaram rendimentos de-

crescentes à escala, 12 rendimentos crescentes e 14 rendimen-
tos constantes.
Portanto, conclui-se que o DEA proporcionou indicativos
valiosos para a melhor alocação dos recursos utilizados na pro-
dução de caprinos e ovinos, diminuindo o uso desnecessário de
fatores e subsidiando informações importantes para a maximiza-
ção da produção agrícola. A identificação do grau de eficiência é
importante, pois auxilia e subsidia a gestão da propriedade rural
e a prática de políticas de incentivos voltadas para o setor, bem
como, a orientação dos agentes financeiros na concessão de cré-
ditos aos produtores com a finalidade de estabelecer crescimento
no setor agropecuário regional.
O direcionamento de políticas governamentais como a
implementação de cursos e palestras sobre gerenciamento de
propriedades agrícolas e sobre manejo produtivo, reprodutivo
e sanitário de caprinos e ovinos pode ser uma alternativa viá-
vel para a redução da ineficiência produtiva e posterior cres-
cimento rural.
Enfim, o que se pretendeu foi alertar os pequenos e médios
produtores para uma melhor alocação de fatores de produção,
visando desta forma, a otimização da produção agropecuária da-
dos os escassos recursos disponíveis do agricultor.
REFERÊNCIAS
BRASIL. PORTAL DA CIDADANIA. Territórios da cidadania.

Disponível em: < http://www.territoriosdacidadania.gov.br >.
Acesso em: 19 jul. 2013.
BRASIL. MINISTERIO DO DESENVOLVIMENTO AGRÁRIO. José
César Vieira Pinheiro. Coordenador. Relatório analítico sobre a
realidade do território Inhamuns/Crateús – Ceará. Crateús.
2011.
BRASIL. MINISTERIO DO DESENVOLVIMENTO AGRÁRIO. José
César Vieira Pinheiro. Coordenador Relatório analítico – pri-
meiro ciclo da pesquisa no território Sertão Central – Ce-
ará. Quixadá. 2011.

CAMPOS, R. T. Análise técnico-econômica da ovinocaprino-
cultura nordestina. Fortaleza: Departamento de Econo-
mia Agrícola da UFC/CNPq, 2001. 86p. (Relatório de
Pesquisa).
CHARNES, A.; COOPER, W.W.; RHODES, E. Measuring the effi-
ciency of decision making units. European Journal of Opera-
tional Research. v.2.n.6, p.429-444. 1978.
CHARNES, A.; COOPER, W.W.; LEWIN, A.Y.; SEIFORD, L.M.
Data Envelopment Analysis. 2. ed. Boston: KAP, 1994.
COELLI, T.J. et al. A guide to DEAP Version 2.1. A Data Envel-
opment Analysis (computer) Program, CEPA Working Paper 96/8.
Departamente of Econometrics University of New England, 1996.
Disponível em: http://www.une.edu.au/econometrics/cepa/htm.
Acesso em: 10/12/2005.
COELLI, T.J.; RAO, D.S.P. Total Factor Productivity Growth
in Agriculture: A Malmquist Index Analysis of 93 Countries,
1980-2000. Working Paper, 02/2003, Centre for Efficiency and
Productivity Analysis, Shoool of Economics, The University of
Queensland.
GOMES, A. P. Impactos das transformações da produção de
leite no número de produtores e requerimentos de mão-
-de-obra e capital. Viçosa: UFV, 1999.
GOMES, A. P; BAPTISTA, A. J. M. S. Análise envoltória de da-
dos: conceitos e modelos básicos. In: SANTOS, M. L.; VIEIRA, W.
C. ed(s). Métodos quantitativos em economia. Viçosa: Editora
UFV. 653 p., 2004.
IBGE. Produção da pecuária municipal. Brasil. v. 39, 2011.
MOITA, M. H. V. Medindo a eficiência relativa de escolas
municipais da cidade do Rio Grande - RS usando a aborda-
gem DEA. Florianópolis: UFSC, 1995. 105p.
NOGUEIRA FILHO, A. A cadeia produtiva da ovinocapri-
nocultura. In: SALES, R. de O. SEMINÁRIO NORDESTI-
NO DE PECUÁRIA, 4, Fortaleza, 2000. Anais... Fortaleza:
FAEC, v. 6, 2000. p. 64-74.

PEREIRA, M. F. Mensuramento da eficiência multidimen-
sional utilizando a análise de envelopamento de dados: re-
visão da teoria e aplicações. Florianópolis: UFSC, 1995. 85p.
QUADROS, D. G. Sistemas de produção de ovinos e caprinos
de corte. Salvador: UNEB, 2005. 22p
TUPY, O.; YAMAGUCHI, L. C. T. Eficiência e produtividade: con-
ceitos e medição. Agricultura em São Paulo, v. 45, n.2, p. 39-51,
1998.

O Rural Nordestino Cen - Rios, Ajustes e Desafios

Enviado por

Direitos autorais:

Formatos disponíveis

O Rural Nordestino Cen - Rios, Ajustes e Desafios

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

O Rural Nordestino Cen - Rios, Ajustes e Desafios

Enviado por

Direitos autorais:

Formatos disponíveis

O Rural

CENTRO DE CIÊNCIAS AGRÁRIAS

DEPARTAMENTO DE ECONOMIA AGRÍCOLA

CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA RURAL

Capa, projeto Gráfico e Diagramação

Capítulo 1 – AS LAVOURAS DE SEQUEIRO E A SECA NO

Capítulo 2 – ASPECTOS DA VIOLÊNCIA: UMA ANÁLISE

Capítulo 3 – COINTEGRAÇÃO E TRANSMISSÃO DE PREÇOS

Capítulo 4 –EFICIÊNCIA TÉCNICA AGROPECUÁRIA NO

Capítulo 5 – ESTUDO DO NIVEL TECNOLÓGICO DA

Capítulo 6 – ÍNDICE TECNOLOGICO DOS PRODUTORES

Capítulo 8 – O RENDIMENTO MÉDIO AGRÍCOLA E O

Capítulo 9 – A POBREZA RURAL NO NORDESTE DO

Capítulo 10 – DIFERENÇAS DE PROBABILIDADE NO

Capítulo 11 – NÍVEL DE EFICIÊNCIA DA CAPRINO-

No último meio século, a economia agropecuária brasileira,

O Rural Nordestino: Cenários, Ajustes e Desafios 7

8 O Rural Nordestino: Cenários, Ajustes e Desafios

O Rural Nordestino: Cenários, Ajustes e Desafios 9

10 O Rural Nordestino: Cenários, Ajustes e Desafios

O Rural Nordestino: Cenários, Ajustes e Desafios 11

12 O Rural Nordestino: Cenários, Ajustes e Desafios

O Rural Nordestino: Cenários, Ajustes e Desafios 13

Patrícia Verônica Pinheiro Sales Lima2;

Buscou-se estimar as perdas médias das lavouras de sequeiro do semiá-

O Semiárido Brasileiro (SAB) é a região mais vulnerável às

O Rural Nordestino: Cenários, Ajustes e Desafios 15

16 O Rural Nordestino: Cenários, Ajustes e Desafios

O Rural Nordestino: Cenários, Ajustes e Desafios 17

Na literatura, não existe uma definição universal aceita ou

Pereira et al. (2002, p. 6), mesmo admitindo ser difícil em-

Existem vários tipos de seca. Dentre as mais citadas pelos

18 O Rural Nordestino: Cenários, Ajustes e Desafios

O Rural Nordestino: Cenários, Ajustes e Desafios 19

20 O Rural Nordestino: Cenários, Ajustes e Desafios

O Rural Nordestino: Cenários, Ajustes e Desafios 21

3.1 Área de Estudo e Fonte dos Dados

Os dados utilizados no estudo foram extraídos da Pesquisa

22 O Rural Nordestino: Cenários, Ajustes e Desafios

3.2 Métodos de Análise

As perdas nas lavouras de sequeiro em decorrência da seca

A perda percentual média de cada lavoura e em cada municí-

O Rural Nordestino: Cenários, Ajustes e Desafios 23

No caso de numerador negativo, o que significa maior va-

Assim, a análise de agrupamento pode ser empregada para

24 O Rural Nordestino: Cenários, Ajustes e Desafios

A aglomeração dos indívíduos com base nas distâncias en-

O Rural Nordestino: Cenários, Ajustes e Desafios 25

Esta seção encontra-se organizada en três subseções. Inicial-

4.1 Percentual de perdas médias das lavouras de

A lavoura de feijão encontra-se presente na quase totalidade

26 O Rural Nordestino: Cenários, Ajustes e Desafios

Tabela 1: Percentuais de perdas médias do feijão, por indicador

A grande maioria das lavouras de mandioca do semiárido

O Rural Nordestino: Cenários, Ajustes e Desafios 27

Tabela 2: Percentuais de perdas médias da mandioca, por

O milho é um dos produtos agrícolas mais importantes nos

28 O Rural Nordestino: Cenários, Ajustes e Desafios

Comparando-se os quatro indicadores no Semiárido como