Crescimento Economico Da Região Sul

CRESCIMENTO ECONÔMICO NO SUL DO
BRASIL
____________________________________
RESUMO
Esse artigo analisa o crescimento econômico e a sua convergência
Revista de Economia e Agronegócio - REA condicional entre as microrregiões do Sul do Brasil, nos anos de 2003
ISSN impresso: 1679-1614 a 2010. Os procedimentos metodológicos foram: a estimativa dos
ISSN online: 2526-5539 indicadores do nível de crescimento econômico e disparidades
Vol. 15 | N. 2 | 2017
regionais, a análise exploratória de dados (AEDE) e estimativas
econométricas por meio de painel espacial. Os resultados da pesquisa
mostraram que, ao final de 2010, o crescimento econômico das
microrregiões mais deprimidas foi maior do que nas microrregiões
mais dinâmicas. O PIB per capita das microrregiões sulinas convergiu
Augusta Pelinski em função dos investimentos em capital físico, em capital humano e
em outros aspectos espaciais. Outro resultado importante foi o “efeito
Raiher
espraiamento”, ou seja, o crescimento de uma região beneficiou as
Professora dos Programa de Pós
microrregiões da sua área de abrangência, criando um ciclo virtuoso
Graduação em Economia e do
Programa de Pós Graduação em do crescimento regional.
Ciências Sociais na Universidade Palavras-chave: Crescimento econômico regional; convergência
Estadual de Ponta Grossa (UEPG)
condicional; econometria espacial.
E-mail: [email protected]
____________________________________
Jandir Ferrera de Lima ABSTRACT

Professor do Programa de Pós- This paper analyzed the level of economic growth and their
Graduação em Economia e em
conditional convergence between the regions of southern Brazil, from
Desenvolvimento Regional e
Agronegócio da Universidade 2003 to 2010. The methodological procedures were estimated level of
Estadual do Oeste do Paraná economic growth indicators and regional disparities, as well as
(Unioeste) exploratory analysis spatial data (ESDA) and econometric estimates
E-mail: [email protected] using a spatial panel. The survey results showed that at the end of
2010, the economic growth of the most depressed areas was higher
Leandra Aparecida than that of the most dynamic regions. This result indicated that the
Perego Ostapechen GDP of the southern regions converged due to investments in
Bolsista de Iniciação Cientifica do
physical capital, human capital and other spatial aspects. Another
Conselho Nacional de important result of the data analysis came from the "spreading effect",
Desenvolvimento Cientifico e so when a region grows, part of this economic growth also benefits
Tecnológico (CNPq). Acadêmica de the regions of their area, creating a virtuous cycle of regional
Ciências Econômicas na economic growth.
Universidade Estadual do Oeste do
Paraná (Unioeste)
Keywords: Regional economic growth; convergence; spatial
E-mail: [email protected]
econometric.
JEL Code: R11.
Recebido em: 05/12/2016

Revisado em: 31/03 e 12/05/2017
Aceito em: 23/05/2017
Raiher, Lima e Ostapechen (2017)
INTRODUÇÃO
Esse artigo analisa o crescimento econômico e sua convergência entre as

microrregiões do Sul do Brasil, nos anos de 2003 a 2010. De forma mais
específica, foram investigadas a distribuição e a evolução do crescimento
econômico e analisadas as desigualdades regionais, findando com a
estimação da convergência do PIB per capita, por meio de um painel
espacial.
Como o período escolhido pela análise refletiu o chamado “ciclo das

commodities”, no qual houve uma valorização significativa da soja,
petróleo, proteína animal e outros produtos da pauta de exportação
brasileira, acredita-se que a Região Sul tenha se beneficiado de forma
significativa desse ciclo em termos de crescimento econômico. Nesse
sentido, esse estudo vem avaliar também o comportamento da economia
regional frente a esse período de bonança na economia brasileira. Além do
ciclo das commodities, programas de habitação popular como o “Minha
Casa, Minha Vida” ampliaram a participação de empresas ligadas ao ramo
mobiliário, eletrodomésticos, eletroeletrônicos e metal mecânico, áreas nas
quais há unidades de produção no Sul do Brasil.
Outros aspectos pontuais ocorreram nos estados do Sul e potencialmente

poderiam influenciar sua dinâmica econômica, entre eles, podem-se citar
as políticas públicas para a agricultura familiar e o próprio processo de
descentralização da indústria brasileira.
No caso das políticas públicas, ênfase deve ser dada ao Programa de

Aquisição de Alimentos (PAA), que foi executado neste período e no qual
o Sul concentrou 37% de todo o recurso nacional entre 2003 e 2010.
Ademais, ao dividir o montante total recebido do PAA neste período pelo
número de estabelecimentos familiares (IBGE, 2006; CONAB, 2016), nota-
se 1,6 vezes mais recursos do PAA por estabelecimentos da agricultura
familiar no Sul do que na Região Sudeste. Comparando a Região Sul com
outras regiões, a proporção é de 2.0 vezes em relação à Região Norte, 3.1
vezes que o Nordeste e 1.9 vezes que o Centro-Oeste. Isso mostra que a
dinâmica da agricultura familiar, categoria que domina 80% dos
estabelecimentos do rural sulino, foi bastante movimentada e incentivada
no primeiro decênio do século XXI.
No setor secundário, o Sul ganhou participação no decênio 2000, passando

de 23% para 25% do emprego industrial total. Alguns fatores foram
determinantes desse ganho, tais como a existência de infraestrutura,
proximidade dos principais centros consumidores, proximidade com os
países do Mercosul e localização próxima das fontes de matérias-primas
(SABOIA; KUBRUSLY, 2008).
Assim, vários fatores diferenciaram o crescimento da Região Sul entre os

anos de 2003 e 2010. Neste sentido, este estudo serve como um
instrumento de avaliação do comportamento da Região frente aos
Revista de Economia e Agronegócio - REA | V. 15 | N. 2 | 2017 | pág. 225
CRESCIMENTO ECONÔMICO NO SUL DO BRASIL
períodos de prosperidade. Para isso, esse artigo utiliza indicadores de

nível de crescimento econômico e disparidades regionais bem como a
análise exploratória de dados espaciais (AEDE) e estimativas
econométricas (painel espacial), com o intuito de descrever e analisar a
distribuição espacial do crescimento econômico das microrregiões do Sul
do Brasil. Com os resultados, foi possível identificar os padrões de
associação espacial, além de testar a hipótese de convergência condicional
do PIB per capita.
Cabe ressaltar que o período analisado correspondeu ao primeiro decênio

de 2000 por ser uma das fases em que houve ações dinamizadoras na
Região, com políticas nacionais beneficiando o espaço sulino, atreladas à
inserção externa, que foi bastante intensa neste período1. Porém, a partir
de 2010, houve enfraquecimento de tais políticas públicas e como o boom
internacional também se rompeu, optou-se por estudar apenas os anos de
2003 a 2010.
No que se refere à contribuição desta pesquisa para o avanço do

conhecimento acerca da Região, infere-se que alguns autores, como
Esperidião (2008), Schmitz e Bittencourt (2010), entre outros, já discutiram
o processo de convergência sulino. No entanto, esses trabalhos não
levaram em conta os efeitos espaciais no processo de convergência. Com
efeito, os modelos de convergência dependem fortemente do pressuposto
de não correlação dos distúrbios das economias, o que, conforme De Long
e Summers (1991), nem sempre é verificado no fenômeno de crescimento
econômico. Por isso, utilizou-se a econometria espacial, avançando quanto
ao método aplicado, para lidar com os efeitos causados pela interação
espacial das economias microrregionais do Sul do País.
Para atender ao objetivo e à metodologia proposta, esse texto se divide em

mais quatro seções, além dessa introdução: a discussão dos elementos
teóricos e metodológicos que delineiam essa análise; os resultados e
discussões, que se dividem nos resultados dos indicadores apresentados
no tópico elementos teóricos e metodológicos e numa discussão sobre a
convergência condicional dos níveis de crescimento nas microrregiões do
Sul brasileiro. Por fim, a conclusão encerra a análise.
ELEMENTOS TEÓRICOS E METODOLÓGICOS
A intensificação dos desequilíbrios regionais se apresenta como um

fenômeno natural do próprio processo do crescimento econômico para
muitos autores. Kuznets (1955, 1983) constatou que no curto-prazo, logo
no início do processo de crescimento econômico, elevam-se as
desigualdades do PIB per capita, mas ao se atingir determinado nível de
1 Dados do AliceWeb mostram que, com exceção do Sudeste, que tem a maior
participação na inserção externa do país, com 39%, o Sul foi a região com a maior
variação absoluta do montante exportado do país entre os anos de 2003 e 2010.
crescimento econômico, inicia-se um processo de redução dessas

discrepâncias. Na primeira fase do processo de crescimento, o
deslocamento da população agrícola para as áreas urbanas, com uma
mudança no status ocupacional do trabalho, acarreta uma oferta maior de
mão de obra não especializada, estimulando a depreciação do seu valor.
Ao mesmo tempo, a escassa mão de obra especializada aufere cada vez
maiores rendimentos, impulsionando ainda mais o ritmo das diferenças
existentes entre os ganhos salariais da força de trabalho especializada e
não especializada. O traço característico do moderno crescimento
econômico arrefece na combinação de uma alta taxa de crescimento
agregado, com efeitos desequilibrados na distribuição da força de trabalho
entre as atividades produtivas.
Num segundo momento, quando a população se adapta ao mercado de

trabalho e suas exigências, tais desigualdades distributivas passam a ser
minimizadas, coexistindo com um crescimento econômico cada vez mais
dinâmico. Assim, a relação enunciada por Kuznets (1955) entre a
concentração de renda e o PIB per capita seria no formato de um "U"
invertido, inferindo como natural o aprofundamento das desigualdades
no início da aceleração econômica, atenuada durante fases posteriores do
processo de crescimento econômico.
Outros autores, como Williamson (1977) e Ahluwalia (1976), testaram a

hipótese de Kuznets (1955) para algumas economias regionais, chegando a
conclusões semelhantes. Mais recentemente, alguns modelos teóricos
ratificaram as argumentações de Kuznets (1955, 1983), apresentando
outros elementos na discussão. Este é o caso de Greenwood e Jovanovic
(1990), que relacionaram as desigualdades iniciais do processo de
crescimento à existência de um ambiente financeiro não sofisticado que
apoia certos segmentos na economia. Já Galor e Tsiddon (1997) ligaram a
desigualdade à tecnologia, de tal maneira que setores mais pobres tendem
a usar tecnologias mais velhas, enquanto setores mais ricos empregam
técnicas mais recentes e avançadas. A transição para o uso de técnicas
mais modernas exige um processo de continuo aprendizado e de formação
de capital humano na região. Inicialmente, as inovações tecnológicas
tendem a aumentar a desigualdade de renda entre setores que
incorporaram novas tecnologias com aqueles que utilizam tecnologias
antigas, especialmente pelas diferenças de produtividade e rendimentos.
No entanto, à medida que mais pessoas qualificadas se transferem para os
setores favorecidos, a desigualdade tende a cair. Ou seja,
independentemente dos fatores que explicam essa relação, há relação entre
crescimento econômico e diminuição das desigualdades.
Ademais, Tavares (1975) infere como natural o aumento das

desigualdades regionais no Brasil, oriundo da concentração da atividade
econômica em torno de uma região polarizada. De forma mais específica,
essa concentração foi agravada pela política econômica de incentivo à
industrialização, que, na prática, correspondia à transferência de renda
das regiões menos desenvolvidas para as mais desenvolvidas. Até a
década de 1970, a atividade produtiva estava concentrada na Região

Sudeste do país, com destaque para São Paulo, que, no auge da
concentração (em 1970), detinha 58% de toda indústria de transformação
brasileira.
Nas décadas seguintes, um processo de descentralização da atividade

produtiva se iniciou com ganhos especiais para o Sul do Brasil. Saboia e
Kubrusly (2008) apresentam alguns fatores como determinantes dessa
descentralização: a busca por menores salários2; a localização determinada
pelos incentivos fiscais; a proximidade com São Paulo, referindo-se
especialmente ao estado do Paraná, e dos países do Mercosul; e a
localização próxima das principais fontes de matéria-prima.
Figura 1. Divisão Municipal e Microrregional da Região Sul do Brasil-

2015
FONTE: IBGE (2012).
2
No caso da busca por menores salários, refere-se à localização das atividades
produtivas, objetivando diminuir seus custos de produção, maximizando seus lucros, via
contratação de mão de obra mais barata. A Nova Geografia Econômica infere que, à
medida que os espaços vão concentrando as atividades produtivas, tem-se, a partir de um
ponto, deseconomias de aglomeração e retornos decrescentes. E um dos resultados desse
processo refere-se à elevação do custo da mão de obra, especialmente pelo custo de vida
que se intensifica conforme se amplia a concentração espacial das atividades. Isso justifica
os argumentos de Saboia e Kubrusly (2008) quanto à descentralização que houve para
outros espaços brasileiros, visando a auferir mão de obra mais barata.
Skolimoski e Raiher (2014) mostraram o ganho obtido em termos de

atividade produtiva na Região Sul, aumentando sua participação no
emprego gerado pela indústria de 19,6%, em 1985, para 25% em 2011. Em
1985, na Região Sul, 15% do emprego industrial estava localizado nas
capitais, mas em 2011 esse percentual caiu para apenas 9%. Ou seja, o Sul
ganhou com a descentralização da atividade produtiva do país e tendeu a
distribuí-la intrarregionalmente.
Dados esse contexto e o período de prosperidade vivenciado pelo país no

primeiro decênio do século XX, torna-se importante analisar a dinâmica
recente do processo de crescimento econômico e das desigualdades
regionais existentes no Sul do Brasil, investigando tendências de
convergência condicional na Região. Para isso, inicialmente alguns
indicadores regionais foram analisados, fechando com uma estimativa
econométrica com painel espacial, por meio da qual se testou a
convergência condicional do PIB per capita no Sul brasileiro. Os anos
analisados foram 2003 a 2010, e o espaço correspondeu às microrregiões
de Santa Catarina (20), Paraná (39) e do Rio Grande do Sul (35) (Figura 1).
Indicadores regionais
- Indicador do Nível de Crescimento econômico das microrregiões– INC
Para a estimativa do nível de crescimento econômico das microrregiões da

Região Sul do Brasil, foi construído um indicador embasado no PIB per
capita. O objetivo do indicador é situar cada microrregião em relação ao
PIB per capita médio dos três Estados, por meio da equação 1:
INC  ( PIB pci  PIB pcm ) 100 (1)
em que INC = Nível de crescimento econômico; PIBpci = PIB per capita da

microrregião i; e PIBpcm = PIB per capita médio da Região Sul do Brasil.
A classificação deste indicador se dá conforme exposto na Tabela 1.
Tabela 1. Classificação do Indicador do Nível de Crescimento

econômico (INC)
INC Faixa do INC
Significativo > 100
Alto 80 a 99
Baixo < 79
Fonte: Adaptado de Piacenti (2012).

Sendo assim, pela classificação do INC, tomando como base o PIB per
capita médio da Região Sul Brasil, as regiões que apresentarem indicador
superior a 100 tinham naquele período um PIB per capita superior à Região
Sul. E as demais, inferior.
- Coeficiente de Williamson
Para medir as diferenças entre os PIBs per capita regionais e em

relação à média da Região Sul, utilizou-se o Coeficiente de Williamson
(equação 2).
Vw  {  (Y  Y )2  fi }  Y
n
i i (2)
em que 𝑉𝑊 = Coeficiente de Williamson; 𝑦𝑖 = PIB per capita da i- ésima

microrregião;Y= PIB per capita Região Sul do Brasil; 𝑓𝑖 = população da i-
ésima microrregião; n= população Região Sul; e Vw , que é estimado pela
raiz quadrática do somatório das diferenças entre o PIB per capita de cada
microrregião e o PIB per capita da Região Sul do Brasil, ponderadas pela
população regional sobre a população total, sendo o total dividido pelo
PIB per capita macrorregional.
Os valores VW variam entre o máximo de um (1) e o mínimo de zero (0).

No caso, quanto mais próximo da unidade, maiores serão as
desigualdades regionais de PIB per capita.
A análise do Coeficiente de Williamson toma como parâmetro o resultado

mais e o menos significativo. Levando em consideração a distância entre
esses valores, estabelece-se a trajetória de convergência do indicador ao
longo do tempo. Quanto menor essa convergência, maior a desigualdade
entre as regiões. Isso foi feito originalmente por Williamson (1977) ao
estudar as desigualdades regionais. O mesmo parâmetro de analise foi
retomado por Kon (2002), analisando os estados brasileiros na década de
1980 e 1990, e por Ferrera de Lima e Eberhardt (2010), analisando a faixa
de fronteira do Sul do Brasil.
- Indicador de Disparidade do PIB per capita.
Para medir a disparidade do PIB per capita entre as microrregiões do Sul

do Brasil, foi elaborado o indicador (3). Os valores do indicador de
disparidade de PIB per capita variam da unidade um (1) a nulidade (0).
Nesse caso, quanto maior o PIB per capita de uma microrregião em
questão, comparando-a ao PIB per capita máximo obtido por uma
microrregião do Sul do Brasil, mais próximo da unidade ele se encontrará
(Tabela 2).
I ndg  ( X g  X min )  ( X max  X min ) (3)

em que Indg= Valor do indicador na microrregião i; Xg= PIB per capita da

microrregião i; Xmín= PIB per capita mínimo da Região Sul; e Xmáx= PIB per
capita máximo da Região Sul.
Tabela 2. Classificação do Indicador de Disparidade do PIB per capita

Classificação Faixa do Indicador
Convergente ao mais dinâmico > 0.30
Tendendo à convergência 0.19 - 0.29
Divergente do mais dinâmico ou < 0.18
estagnado
Fonte: Organizado pela pesquisa tendo como base Houard e Markfouk (2000).
A análise da disparidade do PIB per capita complementa a análise do

Coeficiente de Williamson. Seu parâmetro de classificação e a análise
tiveram base nos estudos Houard e Markfouk (2000), que analisaram as
disparidades no ambiente da União Europeia, e de Trevisan e Ferrera de
Lima (2010), que estudaram o caso do estado do Paraná no Brasil.
Análise exploratória dos dados
No presente estudo, foi feita uma análise exploratória de dados espaciais

(AEDE), com o intuito de descrever a distribuição espacial do crescimento
econômico das microrregiões do Sul do Brasil. Com isso, também foi pos-
sível identificar os padrões de associação espacial que porventura existis-
sem.
Para implementar a AEDE, foi necessária a adoção de uma matriz de

ponderação espacial (W). Conforme Almeida (2012, p. 76), essa é uma ma-
triz quadrada de ordem n por n, cujos elementos denotam o grau de cone-
xão espacial entre as microrregiões em análise, considerando algum crité-
rio de proximidade.
O critério de proximidade baseia-se na contiguidade (com convenção do

tipo torre, rainha e do vizinho mais próximo)3. O pressuposto da contigui-
dade é que as regiões contíguas têm uma interação mais forte do que as
microrregiões que não são contíguas. Essa interação pode tanto estimular
o espraiamento ou a repulsão do crescimento econômico regional. Assim,
o elemento wij, da matriz de ponderação espacial (W), terá valor igual à
3
Na convenção rainha, são contíguas as regiões que têm fronteiras físicas com a região X,
bem como seus vértices. Pela convenção torre, consideram-se contíguas apenas as regiões
que fazem fronteira física com a região X. Estas duas matrizes são de contiguidade de
primeira ordem, sendo as regiões consideradas vizinhas diretas da região X. Podem-se,
entretanto, criar matrizes de contiguidade de ordens superiores, nas quais serão
consideradas vizinhas as regiões contíguas aos vizinhos.
unidade, quando duas microrregiões forem contíguas, e 0 em caso contrá-

rio. Na implementação da AEDE, foram utilizados os testes de autocorre-
lação espacial global.
A autocorrelação espacial global permite identificar se a distribuição espa-

cial de uma determinada variável ocorre de forma aleatória ou não. Caso a
distribuição espacial for considerada aleatória, então o comportamento
dessa variável na região i não é influenciado pelo comportamento dessa
mesma variável na região j. Destaca-se que essa análise foi feita aplicando
a estatística I de Moran (4).
n z ' wz
I (4)
S 0 z 'z
em que n denota o número de microrregiões; z é o valor da taxa de cresci-

mento do PIB per capita das microrregiões (padronizada); Wz representa os
valores médios da taxa de crescimento do PIB per capita (padronizados nos
vizinhos), que foram definidos conforme a matriz de ponderação espacial
adotada (W); e S0 é o somatório de todos os elementos da matriz de pon-
deração espacial (W).
A hipótese nula a ser testada é que a distribuição espacial da taxa de

crescimento do PIB per capita é aleatória. Um valor de I maior do que o seu
valor esperado indica uma autocorrelação espacial positiva no crescimento
econômico das microrregiões. Já um valor de I abaixo do seu valor
esperado corresponde a uma autocorrelação espacial negativa.
Convergência do PIB per capita: Modelo empírico e fonte de dados
Na literatura do crescimento econômico, são apresentadas diferentes

abordagens acerca da convergência de renda e, consequentemente, do
processo de crescimento econômico. E uma das mais utilizadas se refere ao
β-convergência (BARRO; SALA-I-MARTIN, 1995). Nele, a convergência
ocorre quando as regiões mais pobres crescem num ritmo mais acelerado
que as regiões ricas, havendo uma relação negativa entre o crescimento do
PIB per capita e o nível de PIB per capita inicial.
Uma das suposições que se faz é que todas as regiões convergem para um
único estado estacionário, independentemente das suas condições iniciais.
Essa hipótese é chamada de convergência absoluta, na qual não são consi-
deradas as diferenças estruturais existentes entre as regiões.
Como essas diferenças existem empiricamente, a convergência absoluta

deixa de ser a mais apropriada. Nas palavras de Bertussi e Figueiredo
(2010), economias somente convergem para o mesmo estado estacionário
se apresentarem características estruturais similares. Neste sentido, dife-
rentes estados estacionários coexistem, por isso não se testou a convergên-
cia absoluta do PIB per capita, mas a condicional (5).
1 ln Yit
 b0  b1 ln Yi 0  b2 ln CFit  b3 ln CH it  uit (5)
T Yi 0
em que T representa o intervalo de tempo; Y é o PIB per capita; 0 refere-se

ao período inicial; t, ao período final; i representa a i-ésima unidade de
corte transversal (microrregião do Sul do Brasil); ln é o logaritmo; CF é o
investimento em capital físico; CH refere-se ao investimento em capital
humano; e u é o termo de erro aleatório.
A variável PIB foi coletada na base de dados do IPEADATA (IPEA, 2016)

para o período de 2003 a 2010, ressaltado que a primeira se encontrava
deflacionada, cujo ano base era 2000. Para mensurar a variável que denota
o investimento em capital fixo, utilizou-se como proxy o valor dos estabe-
lecimentos4. Já para a variável “investimento em capital humano”, foram
empregados os dados referentes à escolaridade média dos trabalhadores
formais, com dados da RAIS.
A especificação do modelo empírico descrito na equação (5) não foi a for-

matação final estimada, pois ao fazer a análise exploratória de dados espa-
ciais (Tabela 4 da seção 3.1), constatou-se que a distribuição da taxa de
crescimento do PIB per capita entre as microrregiões do Sul do Brasil não
foi espacialmente aleatória, manifestando a necessidade de incluir variá-
veis espaciais na especificação final.
Na literatura, encontram-se alguns estudos que estimam o modelo de

convergência com as técnicas de econometria espacial, caso do trabalho de
convergência de renda de Rey e Montouri (1999). Barreto e Almeida (2008)
utilizaram o modelo de convergência com dependência espacial para ana-
lisar a contribuição do capital humano para o crescimento econômico e
para a convergência de renda no Estado do Ceará. Almeida e Guanziroli
(2013) testaram a convergência das taxas de homicídios no estado de Mi-
nas Gerais por meio da econometria espacial. Já Almeida et al. (2008) anali-
saram a convergência espacial da produtividade da terra para as micror-
regiões brasileiras.
Neste sentido, utilizou-se um painel de dados espaciais para testar a con-

vergência condicional de PIB per capita entre as microrregiões do Sul do
Brasil. Segundo Almeida (2012), um painel de dados espaciais busca con-
trolar a heterogeneidade espacial não observável, que se manifesta nos
parâmetros da regressão, principalmente nos interceptos. Com efeito, a
heterogeneidade espacial não observável acaba exercendo influência sobre
o intercepto, fazendo-o variar conforme a microrregião, além de poder
4
O número de estabelecimentos de cada microrregião foi auferido na RAIS. Importante
destacar que para validar tal proxy foi feita uma correlação entre essa variável e o real
capital físico do Brasil para o período, e o resultado foi uma correlação de 0,97.
Inicialmente, foram mensurados o total de estabelecimentos do país e o valor do capital
físico existente; na sequência, rateou-se esse valor pelo número de estabelecimento,
identificando o valor médio de cada estabelecimento, valor esse que multiplicado pelo
montante de estabelecimento de cada microrregião.
influenciar o termo de erro aleatório. Por isso, a heterogeneidade espacial

deve ser controlada ou por meio da utilização de modelos de efeitos fixos
ou de efeitos aleatórios. A escolha entre os modelos foi feita pela utilização
do teste de Hausman, mostrando que a estimação por efeitos fixos seria
mais apropriada (χ2= 289,72).
A especificação geral do modelo de efeitos fixos espacial pode ser repre-

sentada pela equação (6):
yt    W1 yt  X t   W1 X t   t (6)
 t  W2 t   t
em que α é a heterogeneidade não observada; ρ e λ são parâmetros

espaciais escalares; τ é um vetor de coeficientes espaciais; W é a matriz de
ponderação espacial; W1yt corresponde à defasagem espacial da variável
dependente; W1Xt são as variáveis explicativas exógenas defasadas
espacialmente; e W2ξt representa o termo de erro defasado espacialmente.
Partindo desse modelo geral e impondo algumas restrições acerca do

comportamento dos parâmetros ρ, τ e λ, podem ser especificadas
diferentes formas de modelos de efeitos fixos, entre os quais são citados o
modelo de defasagem espacial (SAR), o modelo de erro espacial (SEM) e o
modelo de Durbin espacial (SDM) e 𝑋𝑡 𝛽, que se refere às variáveis
explicativas.
No caso do SAR, ele pode ser expresso por (7):
y  Wy  X   ( 7)
em que y é a variável dependente; p é o coeficiente autorregressivo

espacial; Wy é um vetor nx1 de defasagens espaciais para a variável
dependente; X é a matriz das variáveis explicativas;  é o termo erro.
Modelos do tipo (7) mensuram o efeito de transbordamentos espaciais da

variável dependente.
No caso dos modelos do tipo SEM, tem-se a seguinte especificação (8).
y  X   (8)
Considerando que:
  W   (8.1)
em que:  é o parâmetro do erro autorregressivo espacial que acompanha

a defasagem W .
A dependência espacial em (8) se manifesta no termo de erro. Cabe

destacar que os erros associados com qualquer observação são uma média

dos erros nas regiões vizinhas, somados a um componente aleatório. Ou

seja, neste tipo de modelo, os efeitos sobre a variável dependente não
advêm apenas do choque de uma região (representado pelo termo erro),
mas do transbordamento de choques oriundos de outras regiões vizinhas.
Por fim, tem-se o modelo SDM, que incorpora a ideia do transbordamento

por meio da defasagem das variáveis explicativas (WX), juntamente com a
inclusão da variável dependente defasada (9).
Y   1Wy  X 2  WX 3   (9)
É importante destacar que a escolha entre SAR, SEM ou SDM foi

determinada pelo critério de informação Akaike e Schwarz, inferindo que
o modelo SAR é o mais apropriado (Tabela 5 da seção 3.1). Conforme
destacado por Tyszler (2006) e Almeida (2012), o melhor modelo é aquele
que apresenta o menor valor do critério de informação, resultado que deve
ser ratificado pela aleatoriedade espacial dos resíduos resultantes de cada
estimativa (resultados que comprovam essa aleatoriedade dos resíduos
estimados se encontram no apêndice A).
Ademais, além de considerar os parâmetros espaciais na estimativa final

de (5), também foram incluídas dummies de tempo, controlando os efeitos
temporais, como a crise que que houve a partir de 2007. Vale ressaltar que
tal inclusão foi validada por meio do teste de Parm (Tabela 5). Problemas
de hetrocedasticidades e de autocorrelação foram identificados (teste
Wald igual a 78746 e o teste de Wooldridge igual a 1930) e, por isso, todas
as especificações dos modelos espaciais foram modificadas para acomodar
ambos os problemas, utilizando o erro padrão robusto de Drisccoll-Kraay5
DINÂMICA DA ECONOMIA DO SUL: DISTRIBUIÇÃO E

DESIGUALDADES REGIONAIS
Com PIB6 na faixa de R$ 277 bilhões em 2010, a Região Sul do Brasil teve
participação de 16.5% no PIB Nacional. Nesse período, o Rio Grande do
Sul tinha a maior participação no PIB regional, com 41 %, seguido do
Paraná (35 %) e de Santa Catarina (25 %). Entretanto, numa análise
evolutiva, a Região Sul como um todo perdeu participação ao comparar
2010 com 2003, ano que detinha 17,7% PIB nacional (Tabela 1). Essa queda
de participação está diretamente relacionada com o ritmo de crescimento
menos intenso que a Região obteve. Enquanto o Brasil teve um
crescimento médio anual de 4,7% entre 2003-2007, o Sul cresceu 3,2% entre
2007-2010. O Brasil cresceu em média 4,1% ao ano, ao passo que o Sul,
5
O erro padrão de Drisccoll-Kraay é robusto em relação aos problemas de
heterocedasticidade e formas gerais de dependência dos resíduos (como espacial e
temporal), podendo ser aplicado em painel.
6 PIB a preços de 2000, conforme já explicado nos procedimentos metodológicos.

apenas 3,8%, sem contar a expansão significativa de outras regiões do

Brasil, como a Centro-Oeste (IPEA, 2016).
Até 2006, o estado de Santa Catarina conseguiu acompanhar o ritmo de

crescimento econômico do Brasil. Porém, entre 2007 e 2010, seu
dinamismo foi superior e junto com o Rio Grande do Sul. Santa Catarina
praticamente consolidou seu parque agroindustrial e de produtos
metalomecânicos e de “linha branca”. Uma parcela desse parque metal-
mecânico está ligada à dinâmica do agronegócio, pois depende das
demandas dos produtores rurais (ALVES; FERRERA DE LIMA, 2008). No
entanto, essas atividades não foram afetadas pela crise financeira
internacional de 2008 por estarem voltadas ao mercado interno. Outros
elementos que fortaleceram o mercado interno no Sul do Brasil foram os
programas de transferência de renda e os programas ligados à “casa
própria”, que estimularam atividades ligadas à estrutura industrial
catarinense. À medida que a melhoria na renda dos trabalhadores
avançava, a agroindústria se fortalecia via demanda por alimentos.
Enquanto a construção civil se fortalecia, a demanda por mobiliários e
eletrodomésticos se ampliava (HERSEN; FERRERA DE LIMA, 2010). O
estado de Santa Catarina é um produtor de commodities, o que fortaleceu
positivamente a situação socioeconômica dos produtores rurais frente ao
ciclo das commodities no primeiro decênio do século XXI.
Tabela 3. Participação no PIB brasileiro e taxa de crescimento média

anual – 2003, 2007 e 2010 (2000=100)
Participação no PIB Taxa de crescimento
brasileiro (%) médio anual (%)
2003 2007 2010 2003/2007 2007/2010
Paraná 6,4 6,1 5,8 3,3 2,3
Rio Grande do Sul 7,3 6,6 6,7 2,2 4,4
Santa Catarina 3,9 3,9 4,0 4,7 5,2
Região Sul 17,7 16,8 16,5 3,2 3,8
Brasil - - - 4,7 4,1
Fonte: IPEA (2016), com dados organizados pela pesquisa.
Na análise acerca da distribuição espacial do dinamismo econômico ao

longo de toda a Região, constatou-se uma inércia quanto à localização dos
principais responsáveis pelo PIB (Figura 2). As regiões metropolitanas, em
especial Curitiba e Porto Alegre, apresentaram-se como as principais
engrenagens da economia, com uma participação de 14.8% e 15.8%,
respectivamente. Elas foram líderes em todos os anos analisados. Aliás,
não houve alterações das microrregiões com os maiores percentuais de
contribuição do PIB ao longo do tempo, apresentando praticamente o
mesmo padrão de distribuição espacial. Além de Curitiba e Porto Alegre,
destacaram-se outras microrregiões junto à faixa litorânea - Joinville (SC),
Blumenau (SC) e Caxias do Sul (RS) - além de Londrina (PR) e Caxias (RS).
Ou seja, o dinamismo econômico do Sul se apresenta altamente
concentrado espacialmente. Isso converge para um estudo de Ferrera de
Lima (2010), que apontava que a dinâmica econômica do Sul do Brasil, ao
final do século XX, se retraiu para um corredor na porção leste do
território, ligando Londrina (PR), Ponta Grossa (PR) e a Região
Metropolitana de Curitiba (RMC) e acompanhando a faixa litorânea até as
Regiões de Caxias do Sul (RS) e Metropolitana de Porto Alegre (RMPA).
Figura 2. Evolução da participação das microrregiões no PIB da Região

Sul 2003-2007-2010.
Fonte: resultados da pesquisa com base em dados do IBGE (2015).
Ao longo do período analisado, reduziu-se o número de microrregiões

com um PIB per capita superior à média: 28 em 2003, 19 em 2007 e 18 em
2010 (Figura 3). Esse resultado indicou uma homogeneização maior da
atividade econômica ao longo da Região Sul; contudo, para isso, o número
de microrregiões com um indicador INC “Baixo” deveria estar
diminuindo, entretanto ocorreu o contrário, ou seja, um aumento de
microrregiões enquadradas nesta classificação: 47 em 2003, 50 em 2007 e
52 em 2010.

Figura 3. Indicador do Nível de Crescimento Econômico (INC) das

microrregiões da Região Sul – 2003, 2007 e 2010.
Fonte: Resultados da pesquisa com base em dados do IBGE (2015).
Quem mais perdeu microrregiões com INC significativo foi o Paraná, que,
em 2003, detinha oito microrregiões nesta classificação, chegando em 2010
com apenas três. Já Santa Catarina perdeu apenas duas e o Rio Grande do
Sul, três. Isso justifica o ritmo de crescimento menos intenso auferido pelo
Paraná, com quebra no seu ritmo de crescimento em comparação com os
demais Estados sulinos ao longo do primeiro decênio do século XXI.
Espacialmente, a dinâmica econômica no Paraná se deu mais no seu

entorno, em microrregiões posicionados ao Norte, Oeste, Centro Sul e área
Metropolitana. No Rio Grande do Sul, a metade Sul do Estado continua
com problemas para manter seu nível e ritmo de crescimento ao longo do
tempo. Em Santa Catarina, ocorreu um espraiamento maior do
crescimento econômico, com poucos espaços com baixo INC. Com isso,
Santa Catarina apresentava apenas 11% das suas microrregiões com INC
baixo em 2010, enquanto o Rio Grande do Sul tinha 31% e o Paraná
apresentava um percentual de 64%.

Figura 4. Indicador de Desigualdade regional - Coeficiente de

Williamson das microrregiões do Sul do Brasil – 2003 e 2010.
No período em análise, a Região Sul do Brasil continuou reproduzindo um

forte perfil de desigualdade regional, apesar da melhoria que se teve na
participação das microrregiões do interior numa faixa alta de nível de
crescimento econômico. Percebe pela Figura 4 que, entre 2003 e 2010,
período de forte crescimento da economia brasileira, as microrregiões de
Pelotas (RS), São Jerônimo (RS), Porto Alegre (RS), Caxias do Sul (RS),
Blumenau (SC), Joinville (SC) e Curitiba (PR) continuaram fortemente
concentradas e desiguais em termos de Produto Interno Bruto em relação
às microrregiões interioranas. Ou seja, elas concentraram municípios com
elevado PIB e, de certa forma, de renda per capita destoada da média, com
desvios padrão acentuados para mais e menos, respectivamente. Estes
fatores fizeram com que as desigualdades regionais se evidenciassem no
perfil dos resultados do Coeficiente de Williamson. A Figura4 aponta que
as regiões metropolitanas, capitais e zonas portuárias compõem os locais
destacados: Paranaguá (PR), Curitiba (PR), Joinville (SC), Blumenau (SC),
Caxias do Sul (RS), Porto Alegre (RS), São Jerônimo(RS) e Pelotas (RS).

Figura 5. Indicador de Disparidade do PIB per capita das microrregiões

do Sul do Brasil – 2003, 2007 e 2010.
A Figura 5 aponta tendências interessantes em relação ao nível de

crescimento econômico e às desigualdades regionais do Sul do Brasil. A
primeira delas é a formação de um corredor litorâneo-serrano em termos
de convergência de PIB per capita, ou seja, o corredor litorâneo, que é o
mais dinâmico e o mais rico da Região Sul do Brasil, apresentou maior
convergência em termos de PIB per capita. A segunda, referindo-se à
desigualdade do período, demonstra que essa área territorial foi a que
mais ganhou em termos de dinamismo no Sul do Brasil. Esse resultado
converge para um estudo desenvolvido por Ferrera de Lima (2010), que
utilizou como principais parâmetros a localização e a distribuição do
emprego formal em diferentes ramos de atividade ao longo do tempo.
Por outro lado, a metade sul do Rio Grande do Sul continuou

problemática, pois sua microrregião mais importante, Pelotas (RS), não
conseguir auferir ganhos significativos em termos de convergência de PIB
per capita, afastando-se da dinâmica das microrregiões do litoral. Cabe
chamar a atenção para a homogeneidade de Santa Catarina, em termos de
convergência, e a dificuldade do Estado do Paraná em dirimir suas
desigualdades regionais.
Convergência do PIB per capita das microrregiões da Região Sul
Apesar de os indicadores apontarem um modesto ganho em termos de

distribuição da dinâmica econômica no espaço sulino, também é
importante analisar o processo de convergência condicional medido pela
movimentação da taxa de crescimento do PIB per capita de cada
microrregião. Nesta abordagem, se aquelas microrregiões com menor PIB
per capita inicial auferirem as maiores taxas de crescimento, tende-se então
a ter um processo de convergência de PIB per capita.
(a) (b)
Figura 6. Taxa de crescimento médio anual do PIB per capita entre 2003 e
2010 e PIB per capita de 2003 – microrregiões do Sul do Brasil.
Fonte: Dados originais do IPEADATA, organizados pela pesquisa.
Destarte, a Figura 6 mostra o PIB per capita de 2003, Figura 1b, e a distri-
buição da taxa de crescimento médio anual do PIB per capita obtida entre
2003 e 2010 (Figura 1a). Em 2003, muitas microrregiões que detinham um
PIB per capita alto apresentaram taxa de crescimento menor. Outras que
apresentaram um PIB per capita inicial baixo tiveram uma taxa de cresci-
mento maior. Isso mostra a tendência quanto à homogeneização do cres-
cimento econômico na Região Sul do Brasil.
Ao investigar a dependência espacial das microrregiões em relação à taxa

de crescimento do PIB per capita, os resultados apontaram um valor positi-
vo e estatisticamente significativo (Tabela 4). Como consequência, as mi-
crorregiões com elevadas (baixas) taxas de crescimento do PIB per capita
estavam rodeadas por microrregiões que também detinham altas (baixas)
taxas de crescimento do produto. Ou seja, espacialmente, a taxa de cresci-
mento do PIB per capita estava localizada, não tendo uma distribuição
aleatória. Contudo, tem-se um ponto importante quando se analisa o re-
sultado do coeficiente I de Moran de 2003 versus o de 20107: independen-
temente da convenção utilizada, seu valor, embora ainda sendo estatisti-
camente significativo, diminuiu. Isso significa que, no decorrer do tempo,
a distribuição espacial ficou mais aleatória, não se concentrando em ape-
nas alguns espaços ou não tendo tanto proximidade entre as microrregiões
Nenhum resíduo obtido foi significativo a um nível de significância de 5% na estatística I

7
de Moran.
com os maiores/menores valores. Novamente isso induz a ideia de um

processo de convergência de PIB per capita no espaço sulino.
Tabela 4. Coeficiente I de Moran para a taxa de crescimento do PIB per

capita- Microrregiões do Brasil
Taxa de cresci- Taxa de crescimento Taxa de cresci-
Convenção
mento 2003/2004 2009/2010 mento média
Rainha 0,45* 0,25* 0,26*
Torre 0,44* 0,25* 0,26*
Quatro vizinhos 0,39* 0,24* 0,23*
Cinco Vizinhos 0,39* 0,22* 0,21*
Dez Vizinhos 0,37* 0,15* 0,17*
Fonte: Estimado pelos autores no software GeoDa, com base nos dados da pesquisa.
Nota: Pseudossignificância empírica baseada em 999 permutações aleatórias; *
significativo a um nível de significância de 1%.
Tal processo de convergência – condicional - foi testado por meio da esti-

mativa (5)8. Um ponto importante a salientar é que a existência de uma
autocorrelação espacial para a taxa de crescimento do PIB per capita, Tabe-
la4, demanda a utilização das técnicas da econometria espacial. Assim,
antes de reportar os resultados da estimação do modelo, foi feita uma
análise minuciosa nos resíduos obtidos em cada método (SAR, SEM e
SDM), a fim de averiguar a presença de dependência espacial e, ademais,
verificar qual modelo espacial é o mais adequado. Além disso, nesta defi-
nição, também se teve como critério a qualidade de ajuste do modelo con-
forme os parâmetros de informação de Akaike e de Schwarz. O modelo
SAR apresentou aleatoriedade de seus resíduos e o menor critério de in-
formação, tendo sido utilizado como referência para a análise dos resulta-
dos (Tabela5 - Modelo I).
Os resultados da pesquisa, Tabelas 04 e 05, mostraram a efetividade do

processo de convergência condicional na Região Sul do Brasil, pois a aná-
lise quantitativa apontou um coeficiente negativo e estatisticamente signi-
ficativo para o PIB per capita inicial. Desta forma, a percepção de uma asso-
ciação entre a taxa de crescimento da economia e o dinamismo econômico
inicial da Figura6 foi confirmada. O crescimento econômico observado nas
microrregiões em que o nível de crescimento era inicialmente menor foi
maior do que nas microrregiões em que ele era maior. Isso indicou que o
PIB per capita das microrregiões sulinas está convergindo para estados es-
tacionários, conforme suas características estruturais, quais sejam: inves-
timento em capital físico, em capital humano, além dos próprios aspectos
espaciais.
8 Estimado por um painel de dados, efeito fixo, conforme determinado na metodologia.

Tabela 5. Sul do Brasil: resultado da estimação com a técnica de painel

de dados espacial
Modelo
Variável Efeito Fixo– Efeito Fixo– Efeito Fixo–
SAR(I) SEM(II) SDM(III)
Ln PIB per capita -0,59 -0,59 -0,59
inicial (0,00)* (0,00)* (0,00)*
Ln Capital Físico 0,22 0,23 0,22
(0,00)* (0,00)* (0,00)*
Ln Capital Humano 0,35 0,40 0,40
(0,04)* (0,02)* (0,01)*
 - 0,06 -
(0,05)*
 0,05 - 0,06
(0,05)* (0,05)*
W ln PIB per capita - -0,02
inicial (0,72)
W ln Capital Físico -0,11
(0,10)**
W ln Capital 0,27
Humano (0,34)
Teste parm 3190* 23006* 26007*
(validação das
dummies temporais
Crit. inf. Akaike -1800 -1799 -1780
Crit. Schwarz -1773 -1772 1768
n**** 658
Fonte: Estimação dos autores com os dados da pesquisa.
Nota: Entre parênteses está reportado o p-valor. * Significativo a um nível de significância
de 5%. *** Significativo a um nível de significância de 10%. Ln representa o logaritmo.
Nos resultados não são apresentados os coeficientes das dummies temporais, mas elas
foram incluídas na estimação.**** n correspondeu ao número de anos (sete) multiplicado
pelo número de microrregiões (94).
Tal resultado é similar ao encontrado por Esperidião (2008), que traba-

lhando com outro período (1996-2002), também evidenciou um processo
de convergência para os municípios do Sul do Brasil. Schmitz e Bittencourt
(2010), investigando a existência de convergência de renda rural nos mu-
nicípios da região Sul para 2001 a 2007, também detectaram a convergên-
cia, tanto absoluta como condicional.
No tocante aos estados brasileiros, Raiher (2015) evidenciou um processo

de convergência para as microrregiões do Paraná, obtendo um coeficiente
próximo do auferido nesta pesquisa. Já para o Rio Grande do Sul, Fantinel
(2016) também identificou tal processo para o período de 2001 e 2010, infe-
rindo quanto à migração de um maior percentual de municípios gaúchos
para as classes intermediárias de renda no longo prazo. O mesmo fenô-
meno foi verificado para Santa Catarina, em que Mendes et al. (2014) esti-
maram 20 anos para que a desigualdade se esgote no Estado. Todos esses

estudos corroboram os resultados encontrados nesta pesquisa, mostrando

uma tendência de homogeneização da renda ao longo de todo o espaço
setentrional.
Em relação às demais variáveis explicativas da Tabela5, os resultados mos-

traram efeito positivo e estatisticamente significativo para o capital físico e
o capital humano sobre a taxa de crescimento do PIB per capita. Isso impli-
ca que uma elevação do investimento em capital físico acarreta taxas de
crescimentos cada vez maiores. Um nível de capital humano mais intenso
também conduz a uma taxa de crescimento do PIB per capita superior, cete-
ris paribus.
O parâmetro  apresentou efeito positivo e estatisticamente significativo,

mostrando transbordamento positivo do crescimento do PIB per capita na
dinâmica econômica dos municípios do entorno, mostrando que, quando
determinada região cresce, parte desse crescimento também acaba benefi-
ciando as microrregiões do entorno, criando um ciclo virtuoso do cresci-
mento.
Por fim, embora o melhor modelo seja o SAR, os coeficientes das demais
estimativas se apresentaram bastante próximos, mostrando a robustez dos
resultados, validando a inferência acerca da convergência condicional do
crescimento econômico no Sul do Brasil.
CONCLUSÕES
Esse artigo analisou a dinâmica do crescimento econômico e da sua

convergência condicional entre as microrregiões do Sul do Brasil, nos anos
de 2003 a 2010. De forma mais específica, foram investigadas a
distribuição e a evolução do crescimento econômico e as desigualdades
regionais, findando com a estimação da convergência condicional de PIB
per capita, por meio de um painel espacial.
Como procedimento metodológico, foi feita a estimativa do nível de cres-

cimento econômico e das disparidades regionais, considerando as dispari-
dades entre os PIBs regionais per capita. Também foi utilizada a análise
exploratória de dados espaciais (AEDE), com o intuito de descrever a dis-
tribuição espacial do crescimento econômico das microrregiões do Sul do
Brasil. Com esses procedimentos, foram identificados os padrões de asso-
ciação espacial existentes.
Os resultados da pesquisa mostraram que, ao final de 2010, o crescimento

econômico das microrregiões mais deprimidas foi maior do que nas mi-
crorregiões mais dinâmicas no início do período (2003). Esse resultado in-
dicou que o PIB das microrregiões sulinas convergiu em função de carac-
terísticas estruturais, quais sejam: investimento em capital físico, em capi-
tal humano, além dos próprios aspectos espaciais. Os resultados mostra-
ram efeito positivo e estatisticamente significativo do capital físico e do
capital humano sobre a taxa de crescimento do PIB, de tal maneira que

uma elevação do investimento em capital físico acarretou taxas de cresci-
mento cada vez maiores, bem como um capital humano mais intenso con-
duziu a uma taxa de crescimento do PIB per capita superior. Outro resulta-
do importante da análise dos dados foi o chamado “efeito espraiamento”,
ou seja, quando determinada região cresce, parte desse crescimento tam-
bém acaba beneficiando as microrregiões do entorno, criando um ciclo
virtuoso do crescimento na periferia mais próxima.
Apesar dos resultados importantes em termos de espraiamento e

convergência condicional do crescimento econômico regional no Sul do
Brasil, há necessidade de mais estudos utilizando como objeto os
municípios, tendo em vista que um crescimento econômico regional não
permite inferir que todos os municípios que compõem uma região sejam
responsáveis pela dinâmica regional. Mesmo com essa limitação, esse
estudo lançou luzes sobre o nível de crescimento econômico no Sul do
Brasil e o perfil das disparidades regionais de PIB per capita, especialmente
neste início do século XXI, período no qual a inserção internacional do
país foi favorável e houve um período de prosperidade na economia como
um todo.
AGRADECIMENTOS
Esse texto apresenta resultados parciais de pesquisa financiada com

recursos do Conselho Nacional de Desenvolvimento Científico e
Tecnológico (CNPq) e da Fundação Araucária (PR).
REFERÊNCIAS
AHLUWALIA, M. Inequality, distribution and development. American

Economic Review, [s.l.], v. 66, n. 5, p. 128-135, 1976.
ALMEIDA, E. Econometria Espacial Aplicada, Campinas: Alínea, 2012.
ALMEIDA, E. S; HADDAD, E. A; HEWINGS, G.J.S. The spatial patters of

crime in Minas Gerais: an exploratory analisys. Economia Aplicada, São
Paulo, [s.l.], v.9, n.1, 2008, p. 1-26.
ALMEIDA, M. A. S.; GUANZIROLI, C. E. Fatores explicativos da

criminalidade mineira: estimativas a partir do painel de dados de 2000 a
2007, considerando efeitos espaciais. Anais... Anais do X ENABER, Recife,
2013.
ALVES, Y. B.; FERRERA DE LIMA, J. A distribuição regional do emprego

formal no Sul do Brasil. Textos de Economia, [s.l.], v. 11, n. 2, p. 47-70, 2008.

BARRETO, R. C. S; ALMEIDA, E. S. de. A contribuição do capital humano

para o crescimento econômico e convergência espacial do PIB per capita no Ceará.
Ceará: IPECE, 2008.
BARRO, R.; SALA-I-MARTIN, X. Technological diffusion, convergence,

and growth. Journal of Economic Growth, [s.l.], v. 2, n. 1, p. 1-26, 1995.
BERTUSSI, G. L.; FIGUEIREDO, L. Investigando a hipótese de convergên-

cia na América Latina e no Leste Asiático: uma abordagem de regressão
quantílica. Texto para discussão nº 355. Belo Horizonte: UFMG; Cedeplar,
2010.
COMPANHIA NACIONAL DE ABASTECIMENTO – CONAB. Resultados

das ações da CONAB em 2015. Brasília, 2016.
DE LONG, J. B.; SUMMERS, L. Equipment Investment and Economic

Growth. Quarterly Journal of Economics, [s.l.], v. 106, n. 2, p. 445-502, 1991.
ESPERIDIÃO, F. Capital humano e convergência na região sul: uma análise a

partir das microrregiões. 2008. 326 f. Tese (Doutorado em Economia) – Se-
tor de Ciências Sociais Aplicadas, Universidade Federal do Paraná, Curiti-
ba.
FANTINEL, V. Convergência de renda entre os municípios gaúchos: uma

análise markoviana — 2001-10. Indicadores Econômicos FEE, [s.l.], v. 44, n. 1,
p. 9-16, 2016.
FERRERA DE LIMA, J. La diffusion spatiale du développement économique re-

gional: le cas do Sud du Brésil au XXeme siècle. Sarrabruck: EUE, 2010.
FERRERA DE LIMA, J.; EBERHARDT, P. Mesorregião Grande Fronteira

do Mercosul: perfil locacional do desenvolvimento regional. Redes, Santa
Cruz do Sul, v. 15, n. 2, p. 134-151, 2010. Disponível em:
<http://dx.doi.org/10.17058/redes.v15i2.1304>. Acesso em: jul. 2017.
GALOR, O.; TSIDDON, D. Technological progress, mobility, and econom-

ic growth. American Economic Review, v. 87, p. 363-382, 1997.
GREENWOOD, J., JOVANOVIC, B. Financial development, growth and

the distribution of income. Journal of Political Economy, [s.l.], v. 98, n. 5, p.
1076-1107, 1990.
HERSEN, A.; FERRERA DE LIMA, J. O efeito transbordamento da crise

financeira internacional. Textos de Economia, [s.l.], v. 13, n. 01, p. 25-45,
2010.
HOUARD, J.; MARKFOUK, A. Portrait socioéconomique des régions eu-

ropéennes. In: BEINE, M.; DOCQUIER, F. (Org.). Croissance et convergence
économique des regions. Bruxelas: De Boeck & Larcier, 2000. p. 19-54.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA – IBGE. Cen-

so Agropecuário 2006. Rio de Janeiro, 2006.
IBGE. Organização do território. Disponível em:<

http://downloads.ibge.gov.br/downloads_geociencias.htm>. Acesso:
dez. 2012.
IBGE. Contas Regionais. Disponível em:<

http://downloads.ibge.gov.br/downloads_estatisticas.htm>. Acesso: nov.
2015.
INSTITUTO DE PESQUISA ECONÔMICA APLICADA – IPEA. Base de

dados regionais IPEADATA. Brasília: 2016. Disponível em:
<www.ipeadata.gov.br>. Acesso em: set. 2016.
KON, A. A mensuração da desigualdade do desenvolvimento regional no

Brasil. In: KON, Anita (Org.). Unidade e Fragmentação: a questão regional
no Brasil. São Paulo: Perspectiva, 2002. p. 45 -64.
KUZNETS, S. Economic growth and income inequality. American Economic

Review, [s.l.], v. 45, n. 01, p. 01-28, 1955.
KUZNETS, S. Crescimento econômico e desigualdade de rendimento. In:

SILVA, M. (Org.). Desenvolvimento econômico e repartição de rendimento. Lis-
boa: Estampa, 1983. p. 21- 50.
MENDES, K.; NISHIMURA, F.; RODRIGUES, M. Análise da convergência

de renda em Santa Catarina entre 2002 e 2012. Revista Estudos Sociais, [s.l.],
v. 16, n. 32, p. 45-62, 2014.
PIACENTI, C. A. O potencial de desenvolvimento endógeno dos municípios pa-

ranaenses. Curitiba: Camões, 2012.
REY, J. S., e MONTOURI, B. D. US Regional income convergence: a spatial

sconometric perspective. Regional Studies, [s.l.], v. 33, n. 2, p. 143-156, 1999.
SABOIA, J. KUBRUSLY, L. Diferenciais regionais e setoriais da indústria

brasileira. Economia Aplicada, [s.l.], v. 12, n. 1, p. 125-149, 2008. Disponível
em: <http://dx.doi.org/10.1590/S1413-80502008000100006>. Acesso em:
jul. 2017.
SCHMITZ, A. P.; BITTENCOURT, M. Convergência de renda rural no Sul

do Brasil - 2001/2007. In: CONGRESSO DA SOCIEDADE BRASILEIRA
DE ECONOMIA, ADMINISTRAÇÃO E SOCIOLOGIA E RURAL, 48.º,
2010, Campo Grande. Anais.... Campo Grande: [s.n], 2010.
SKOLIMOSKI, P. RAIHER, A.P. Descentralização e desenvolvimento da

indústria brasileira nos anos de 1985 e 2011. Revista de Desenvolvimento
Econômico, [s.l.], v. 16, n.30, p. 143-162, 2014.

RAIHER, A. Crescimento econômico e sua convergência no Estado do Pa-

raná. Gestão & Regionalidade, [s.l.], v. 31, n. 92, p. 136-150, 2015. Disponível
em: <http//dx.doi.org/10.13037/gr.vol31n92.2735>. Acesso em: jul. 2017.
TAVARES, M. C. Da Substituição de Importações ao Capitalismo Financeiro.

Rio de Janeiro: Zahar, 1975.
TREVISAN, E. S.; FERRERA DE LIMA, J. Crescimento e desigualdade re-

gional no Paraná: um estudo das disparidades de PIB per capita. Ciências
Sociais em Perspectiva, [s.l.], v. 09, n. 16, p. 125-143, 2010. Disponível em:
<http://dx.doi.org/10.5935/rcsp.v9i16.2306>. Acesso em: jul. 2017.
TYSZLER, M. Econometria Espacial: discutindo medidas para a matriz de

ponderação espacial. Dissertação de mestrado, Fundação Getúlio Vargas, São
Paulo, 2006.
WILLIAMSON, J. Desigualdade regional e o processo de desenvolvimento

nacional: descrição dos padrões. In: SCHWARTZMAN, J. (Org.). Economia
Regional: textos escolhidos. Belo Horizonte: UFMG; Cedeplar, 1977. p. 53-
116.

ANEXO
Tabela 1A. I de Moran para os resíduos

Tempo
Efeito fixo
1 2 3 4 5 6
SAR -0,03 -0,04 0,03 0,03 -0,10 -0,08
SEM -0,03 -0,04 0,03 0,03 -0,10 -0,08
SDM -0,03 -0,04 0,03 0,03 -0,10 -0,08
Fonte: Resultado da pesquisa.

Crescimento Economico Da Região Sul

Enviado por

Direitos autorais:

Formatos disponíveis

Crescimento Economico Da Região Sul

Enviado por

Dados do documento

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

Crescimento Economico Da Região Sul

Enviado por

Direitos autorais:

Formatos disponíveis

CRESCIMENTO ECONÔMICO NO SUL DO

Jandir Ferrera de Lima ABSTRACT

Recebido em: 05/12/2016

Esse artigo analisa o crescimento econômico e sua convergência entre as

Como o período escolhido pela análise refletiu o chamado “ciclo das

Outros aspectos pontuais ocorreram nos estados do Sul e potencialmente

No caso das políticas públicas, ênfase deve ser dada ao Programa de

No setor secundário, o Sul ganhou participação no decênio 2000, passando

Assim, vários fatores diferenciaram o crescimento da Região Sul entre os

períodos de prosperidade. Para isso, esse artigo utiliza indicadores de

Cabe ressaltar que o período analisado correspondeu ao primeiro decênio

No que se refere à contribuição desta pesquisa para o avanço do

Para atender ao objetivo e à metodologia proposta, esse texto se divide em

ELEMENTOS TEÓRICOS E METODOLÓGICOS

A intensificação dos desequilíbrios regionais se apresenta como um

crescimento econômico, inicia-se um processo de redução dessas

Num segundo momento, quando a população se adapta ao mercado de

Outros autores, como Williamson (1977) e Ahluwalia (1976), testaram a

Ademais, Tavares (1975) infere como natural o aumento das

década de 1970, a atividade produtiva estava concentrada na Região

Nas décadas seguintes, um processo de descentralização da atividade

Figura 1. Divisão Municipal e Microrregional da Região Sul do Brasil-

FONTE: IBGE (2012).

Skolimoski e Raiher (2014) mostraram o ganho obtido em termos de

Dados esse contexto e o período de prosperidade vivenciado pelo país no

- Indicador do Nível de Crescimento econômico das microrregiões– INC

Para a estimativa do nível de crescimento econômico das microrregiões da

INC  ( PIB pci  PIB pcm ) 100 (1)

em que INC = Nível de crescimento econômico; PIBpci = PIB per capita da

A classificação deste indicador se dá conforme exposto na Tabela 1.

Tabela 1. Classificação do Indicador do Nível de Crescimento

Revista de Economia e Agronegócio - REA | V. 15 | N. 2 | 2017 | pág. 229

Para medir as diferenças entre os PIBs per capita regionais e em

em que 𝑉𝑊 = Coeficiente de Williamson; 𝑦𝑖 = PIB per capita da i- ésima

Os valores VW variam entre o máximo de um (1) e o mínimo de zero (0).

A análise do Coeficiente de Williamson toma como parâmetro o resultado

- Indicador de Disparidade do PIB per capita.

Para medir a disparidade do PIB per capita entre as microrregiões do Sul

I ndg  ( X g  X min )  ( X max  X min ) (3)

Revista de Economia e Agronegócio - REA | V. 15 | N. 2 | 2017 | pág. 230

em que Indg= Valor do indicador na microrregião i; Xg= PIB per capita da

Tabela 2. Classificação do Indicador de Disparidade do PIB per capita

A análise da disparidade do PIB per capita complementa a análise do

Análise exploratória dos dados

No presente estudo, foi feita uma análise exploratória de dados espaciais

Para implementar a AEDE, foi necessária a adoção de uma matriz de

O critério de proximidade baseia-se na contiguidade (com convenção do

unidade, quando duas microrregiões forem contíguas, e 0 em caso contrá-

A autocorrelação espacial global permite identificar se a distribuição espa-

em que n denota o número de microrregiões; z é o valor da taxa de cresci-

A hipótese nula a ser testada é que a distribuição espacial da taxa de

Convergência do PIB per capita: Modelo empírico e fonte de dados

Na literatura do crescimento econômico, são apresentadas diferentes

Como essas diferenças existem empiricamente, a convergência absoluta

em que T representa o intervalo de tempo; Y é o PIB per capita; 0 refere-se

A variável PIB foi coletada na base de dados do IPEADATA (IPEA, 2016)

A especificação do modelo empírico descrito na equação (5) não foi a for-

Na literatura, encontram-se alguns estudos que estimam o modelo de

Neste sentido, utilizou-se um painel de dados espaciais para testar a con-

influenciar o termo de erro aleatório. Por isso, a heterogeneidade espacial