· web viewsistema de coleta de esgoto: percentual dos domicílios do município com acesso a rede...

O IMPACTO DA INFRAESTRUTURA SOBRE O CRESCIMENTO DAS CIDADES DA REGIÃO SUL: UMA ANÁLISE DO PERÍODO DE 1991 A 2010

Graziella Magalhães Candido de Castro

Mestranda em economia aplicada pela FEA-RP/USP

email: [email protected]

Rudinei Toneto Jr.

Professor doutor do Departamento de Economia da FEA-RP/USP

email: [email protected]

RESUMO

Este artigo buscar examinar o impacto do investimento em infraestrutura, desagregado em investimento em abastecimento de água, coleta de esgoto, telefonia, energia elétrica e coleta de lixo, sobre o crescimento econômico das cidades da Região Sul do Brasil, durante o período de 1991 a 2010. Aliado a isto, procura-se verificar se há convergência absoluta de renda nestas cidades, isto é, se as regiões mais pobres crescem mais rápido do que regiões mais ricas, sem levar em consideração suas características individuais. Para isto, trabalhou-se com os microdados fornecidos pelo Instituto Brasileiro de Geografia e Estatística, através da realização dos censos demográficos.

ABSTRACT

This paper seek to examine the impact of infrastructure investment, disaggregated into investment in water supply, sewage collection, telephony, electricity and trash collection on the economic growth of cities in the Southern Region of Brazil, during the period from 1991 to 2010. Allied to this, we try to check for absolute convergence of income in these cities, that is, if the poorer regions grow faster than richer regions, regardless of their individual characteristics. For this, we worked with microdata provided by the Brazilian Institute of Geography and Statistics, by performing the population census.

Palavras-chave: Crescimento econômico regional, infraestrutura e convergência de renda.

Classificação JEL: H54 - Infrastructures; Other Public Investment and Capital Stock

R11 - Regional Economic Activity: Growth, Development, and Changes

Área 3: Economia Regional e Urbana

1. INTRODUÇÃO

Uma vasta literatura econômica aponta para os efeitos crowding-in dos gastos em infraestrutura, uma vez que este fornece o pilar para a instalação do investimento privado, além de afetar positivamente o seu retorno, estimulando mais investimentos. Neste sentido, é relevante verificar quais são impactos dos gastos desagregados nos diversos itens que compõem a infraestrutura – a saber, energia elétrica, sistema de abastecimento de água, sistema de tratamento de esgoto e telecomunicações1 – sobre o crescimento econômico.

Procura-se aliar este estudo com a investigação sobre a convergência da renda, fortemente difundida na década de 90, formando assim a base para esta investigação. Optou-se, ainda, por trabalhar ao nível político-administrativo das cidades, já que estas são economias totalmente abertas, com livre e grande mobilidade de capital, trabalho e ideias [Glaeser et al (1995)], e portanto, faz mais sentido estudar a convergência de renda entre as cidades do que entre as nações.

Desta forma, o objetivo deste artigo é mensurar o efeito do investimento em infraestrutura sobre o crescimento econômico das cidades que compõem a Região Sul do Brasil, através do modelo desenvolvido por Glaeser et al (1995), e generalizado por Chagas e Toneto Jr. (2003). O modelo será estimado em cross-section e por painel estático, durante o período de 1991 a 2010.

O presente trabalho está estruturado da seguinte forma. A Seção 2 faz uma breve revisão da literatura sobre os principais estudos com relação ao efeito da infraestrutura sobre o crescimento das cidades. Na Seção 3 é apresentado o modelo que será utilizado neste estudo empírico. As Seções 4 e 5 discutem os dados e os resultados e, finalmente, a Seção 6 busca elucidar as principais conclusões do trabalho.

2. REVISÃO BIBLIOGRÁFICA

Grandes gastos em infraestrutura, geralmente, são realizados pelo governo, dado o enorme volume de capital necessário para o financiamento destas obras. Assim, esta revisão da literatura começa discutindo os efeitos do investimento público sobre a economia. Posteriormente, discute-se a relação entre a infraestrutura e o crescimento econômico. Vale lembrar, que neste trabalho não se faz a distinção entre o financiador dos investimentos em infraestrutura, o foco da análise é apenas o seu impacto sobre o crescimento regional.

2.1. Crescimento econômico e o investimento público

Na literatura econômica há grande divergência sobre o efeito do investimento público sobre o crescimento do produto e da produtividade do capital. Apesar dos gastos do governo forçarem o aumento da taxa de juros real, causando uma pressão sobre a demanda agregada e um efeito crowding-out nos investimentos privados, Aschauer (1989) mostrou empiricamente que o investimento público aumenta a taxa de remuneração do capital privado e, por isso, estimula o investimento privado.

Segundo ele, para dados anuais dos Estados Unidos no período de 1949 a 1985, um aumento de 1% na razão capital-trabalho aumenta a produtividade do capital em 0,35%,

1 Não foi utilizado investimento em transportes (rodoviário, ferroviário e portuário), devido a indisponibilidade de dados a nível municipal.

enquanto um aumento de 1% na razão entre os estoques de capital público e o capital privado aumenta a produtividade total dos fatores em 0,39%.

Munnell (1992) ressalta a existência de duas forças opostas na relação entre o investimento público e o privado, se por um lado o capital público aumenta a produtividade do capital privado e encoraja mais investimentos, por outro, da perspectiva do investidor, existe um efeito crowding-out sobre os investimentos privados. Apesar de suas estimativas, para os Estados Unidos, confirmarem ambas as forças, elas sugerem que o investimento em capital público estimula o investimento em capital privado, e portanto, existe um efeito crowding–in do investimento público sobre o investimento privado. Desta forma, suas análises indicam que o capital público tem um impacto positivo sobre variáveis da atividade econômica de steady-state, como o produto, investimento e crescimento do emprego.

Com relação ao investimento público desagregado, Munnell (1990) examina o impacto dos vários componentes do capital público sobre o produto. Sua base de dados é composta por 48 estados dos Estados Unidos, durante 1970 a 1988. Segundo ela, os maiores impactos do capital público sobre o produto são oriundos das estradas e do saneamento básico (sistema de águas e esgoto), enquanto outras formas de capital físico público, como prédios para escolas e hospitais, não possuem impacto sobre a produção privada.

Seguindo nesta mesma linha, Aschauer (1989) argumenta que o “núcleo” da infraestrutura – composto por ruas, estradas, aeroportos, instalações de gás e elétricas, transporte coletivo, sistema de águas e esgoto, deve possuir um grande poder explicativo sobre a produtividade. Segundo, o autor estes componentes públicos devem ser modelados em coeficiente fixo, para refletir sua necessidade conjunta no crescimento econômico. Contudo, o autor estima as elasticidades de cada componente individualmente, e testa se o modelo restrito – soma dos coeficientes de cada um dos componentes – é igual ao coeficiente do estoque de capital público agregado não-militar, 0,39. Utilizando a estatística F ao nível de significância de 5%, não é possível rejeitar a hipótese nula, portanto, o núcleo da infraestrutura é responsável pelo poder explicativo, enquanto outros componentes da infraestrutura, como prédios de hospitais, são insignificantes ao nível de 10%.

Considerando o caso da economia brasileira, Cândido Jr. (2006) examinou a relação entre o investimento público e o produto, e entre o investimento público e a produtividade dos insumos privados para a Argentina, Brasil e Chile, durante 1970 a 2000. Ele utilizou a metodologia dos vetores autorregressivos, aplicados sobre as séries temporais de produto, investimento e produtividade, entre outras variáveis. Segundo ele, no Brasil, existe uma relação positiva entre os investimentos públicos e o produto no longo prazo, mas não encontrou uma relação positiva de longo prazo entre o investimento público e a produtividade total dos fatores.

2.2. Crescimento econômico e infraestrutura

Munnell (1990) mensurou empiricamente a relação entre a infraestrutura pública e o crescimento econômico regional – utilizando como indicador do desenvolvimento econômico, o crescimento do emprego - em um modelo de decisão de localização das firmas, isto é, levando em consideração outros fatores que afetam essa decisão. Sua estimação foi baseada em um pooled cross-section para o período de 1970 a 1988, para quatro das maiores regiões dos Estados Unidos. Seus resultados mostraram uma relação positiva e relativamente consistente para a contribuição do capital público no desenvolvimento regional. Um

acréscimo de investimento de US$ 1.000,00 em infraestrutura pública no período inicial, contribui com cerca de 0,2% para a taxa média anual de crescimento do emprego.

Chagas e Toneto Jr. (2003) generalizaram o modelo desenvolvido por Glaeser et al (1995) para estudar os fatores determinantes do crescimento local, através da estimação cross section, com dados municipais extraídos dos Censos Demográficos Brasileiros de 1980 e 1991, realizado pelo Instituto Brasileiro de Geografia e Estatística.

Estes autores criaram uma proxy – composta pela taxa de urbanização do município, percentual dos domicílios atendidos com água canalizada, percentual dos domicílios atendidos com rede de esgoto, percentual de domicílios com telefone instalado e percentual de domicílios servidos com energia elétrica – para representar a infraestrutura, entendida como o complexo de serviços públicos disponíveis tanto para a população como para as empresas que queiram instalar-se em uma determinada localidade.

Segundo este estudo, a infraestrutura previamente existente desempenha um papel negativo sobre a taxa de crescimento, a princípio, mas com um ponto de mínimo, a partir do qual ocorre uma inversão, e a infraestrutura passará a desempenhar um papel positivo sobre o crescimento.

3. METODOLOGIA

O modelo adotado neste artigo segue, principalmente, o modelo desenvolvido em Glaeser et al (1995), com algumas alterações desenvolvidas por Chagas e Toneto, Jr. (2003), para que o modelo possa ser adaptado aos dados brasileiros.

As cidades serão tratadas com economias separadas e abertas, nas quais é livre a mobilidade de capital e trabalho. Portanto, segundo Glaeser et al (1995), o crescimento urbano não pode ser explicado pelas taxas de poupança ou por dotações exógenas de trabalho. As cidades diferirão apenas pelo seu nível de produtividade e sua qualidade de vida. Seja a seguinte função de produção para a cidade i:

Y ¿=A¿ f (L¿ )=A¿ L¿σ (1)

onde Y ¿ é a função de produção da cidade i no período t, A¿ representa o nível de produtividade da cidade i no instante t, L¿ denota a população da cidade i no período t e, finalmente, f (.) é uma função de produção do tipo Cobb-Douglas comum a todas as cidades, com coeficiente σ.

Supõe-se que a economia é governada pelo livre mercado, em um sistema de concorrência perfeita, assim, os fatores recebem como remuneração a sua produtividade marginal. Portanto, o salário do migrante potencial será igual a sua produtividade marginal.

W ¿=d Y ¿

d L¿=σ A¿ L¿

σ−1 (2)

Utilizaram-se somente os salários, principalmente, porque como o objetivo é mensurar as variações de produtividade (crescimento) nas cidades, consideram-se que o trabalhador é mais propício a trabalhar no local onde mora, já os lucros podem ser oriundos do capital instalado em outro município.

A utilidade do morador da cidade i é igual ao seu salário vezes o índice de qualidade de vida nesta cidade, que é inversamente relacionado ao seu tamanho:

V ¿=Q¿(L¿)−δ (3)

O índice de qualidade de vida, V ¿, capta, através de Q¿, uma ampla gama de fatores que afetam a qualidade de vida, como criminalidade, custo de moradia, congestionamento de trânsito, entre outros. O parâmetro que reflete a aglomeração, δ, é tratado como positivo, indicando que as externalidades decorrentes da aglomeração são negativas ao índice de qualidade de vida.

A utilidade do morador da cidade i é, portanto, dada por:

U ¿=σ A¿Q¿ (L¿)σ−δ−1 (4)

Se a mobilidade do capital é livre, então as utilidades dos migrantes nas diferentes cidades devem se igualar, e portanto as utilidades devem ser iguais a U t. Portanto, a variação da utilidade das cidades ao longo do tempo é dada por:

log (U t+1

U t)=log( A i ,t+1

A¿)+log( Qi ,t+1

Q¿)+¿ ( σ−δ−1 ) log( Li ,t+1

L¿)¿ (5)

Suponha ainda que o crescimento em A¿ e o crescimento em Q¿ sejam descritas pelas funções abaixo:

log( A i, t+1

Ai , t)=X ¿

' β+εt+1 (6)

log(Qi , t+ 1

Qi ,t)=X ¿

' θ+ξ t+1 (7)

onde X ¿ é o vetor de características da cidade no período t.

Combinando (5), (6) e (7) tem-se:

log( Li , t+1

Li ,t)= 1

1+δ−σX ¿

' (β+θ)+ χ i ,t+1 (8)

log(W i ,t+1

wi , t)= 1

1+δ−σX ¿

' (δβ+σθ−θ)+ωi , t+1 (9)

onde χ¿ e ω¿ são os termos de erro não correlacionados com as características urbanas. Segundo Glaeser et al (1995) a equação de crescimento dos salários pode ser vista como uma média ponderada entre o aumento da produtividade e de σ−1 vezes a taxa de crescimento da qualidade de vida. Como há o interesse no estudo da convergência de renda entre as cidades, utilizar-se-á a equação (9), que descreve o crescimento dos salários.

Durante o período analisado o Brasil experimentou altas taxas de inflação, portanto, faz-se necessária a utilização da variação da renda local com relação à renda da “cidade média”, já que isto permite a comparação entre a renda observada de vários municípios sem considerar as variações nos preços regionais.

Pode-se definir a função de produção da “cidade média” como a média geométrica da função de produção das suas cidades:

Y t=[ π i=1n ( A ¿ L¿

σ ) ]1n (10)

Desta forma, o salário da cidade média será dado por:

W t=d Y t

d Lt=σ At Lt

σ−1 (11)

Segundo Chagas e Toneto Jr. (2003), pode-se assim, decompor, a variação na renda observada na cidade i em relação à “cidade média” entre os instantes t e t+1, como sendo a renda observada na cidade i relativamente a sua renda de estado estacionário, W ¿

¿, e a variação na sua renda de estado estacionário em relação à renda da cidade média. Dessa forma:

Δ ln [W ¿¿

W t ]=Δ ln [W ¿

W t ]−Δ ln [ W ¿

W ¿¿ ] (12)

Ainda conforme estes autores, a variação da renda observada na cidade i em relação ao seu estado estacionário é uma ponderação entre sua renda observada no instante inicial relativamente à renda da “cidade média” e sua renda de estado estacionário no instante t+1 em relação à renda da “cidade média” no instante t+1. Essa especificação quantifica a dinâmica de transição em direção ao estado estacionário, segundo Barro e Sala-i-Martin (1992).

Δ ln [ W ¿

W ¿¿ ]=β ln [ W ¿

W t ]− (1−β ) ln [ W i , t+1¿

W t +1 ] (13)

Seja α i ,t+1=(1−β ) ln (W i ,t+1¿ /W t+1 ) um termo constante, então:

Δ ln [ W ¿

W t ]=αi ,t+1+β ln [W ¿

W t ]+X¿' γ+ui , t +1 (14)

O modelo desenvolvido nesta seção será estimado através de duas abordagens diferentes: Cross-section e Painel Estático. Optou-se por estimar o modelo por painel estático, devido ao pequeno período de tempo, já que, caso contrário, isto é, se fosse utilizado painel dinâmico seria perdido um período da análise.

4. DADOS

Os dados foram obtidos a partir da amostra do censo demográfico realizado pelo Instituto Brasileiro de Pesquisa e Estatística (IBGE) a cada dez anos, aproximadamente. Foram estudados 1.188 municípios da Região Sul do Brasil, de acordo com a sua configuração geográfica em 2010, contudo, para que fosse possível verificar a variação da renda dos municípios ao longo do tempo foi necessário retornar a configuração geográfica do ano de 1991. Para isso, os municípios emancipados entre os anos de 1991 e 2010, foram

considerados como pertencentes ao município ao qual faziam parte no ano inicial. Para municípios que foram desmembrados de mais de um município, a sua divisão foi realizada de acordo com o percentual de população nos municípios de origem em 1991.

Tabela 1: Quantidade de Municípios

Ano/Estado 1991 2000 2010

Paraná 323 399 399

Santa Catarina 217 293 293

Rio Grande do Sul 333 467 496

Fonte: Censos Demográficos - IBGE / Elaboração Própria

A variável explicativa de infraestrutura será decomposta setorialmente, a fim de captar o efeito desagregado da infraestrutura sobre o crescimento das cidades. Devido a falta de informação sobre o investimento em infraestrutura a nível municipal, optou-se pela utilização das seguintes proxies2, obtidas através dos microdados fornecidos pelo Censo Demográfico:

i. Energia elétrica: Percentual de domicílios do município com acesso a energia elétrica com ou sem medidor;

ii. Sistema de abastecimento de água: Percentual dos domicílios do município com acesso a rede geral de abastecimento de água, com ou sem canalização interna;

iii. Sistema de coleta de esgoto: Percentual dos domicílios do município com acesso a rede geral de esgoto;

iv. Telefonia: Percentual de domicílios do município com um ou mais telefone fixos instalados, para o ano de 2010, considera-se também o acesso a telefonia móvel;

v. Coleta de lixo: Percentual de domicílios do município coletado direta ou indiretamente.

Segundo as tabelas abaixo, percebe-se que a grande maioria das proxies de infraestrutura melhorou no período analisado, apesar de em alguns casos a melhora ser inexpressiva. Percebe-se ainda, a grande carência de coleta de esgoto em todos os estados da Região Sul do país, já que o percentual de domicílios com tratamento de esgoto não chegou a 50% dos domicílios.

Tabela 2: Proporção dos domicílios com abastecimento de água (em porcentagem)

Ano/Estado 1991 2000 2010

Paraná 65,20 79,49 82,82

Santa Catarina 57,59 68,88 74,98

Rio Grande do Sul 67,18 75,13 80,60


Tabela 3: Proporção dos domicílios com coleta de esgoto (em porcentagem)

Ano/Estado 1991 2000 2010

Paraná 18,41 33,26 38,77


2 O IBGE só realiza essas perguntas para domicílios particulares, domicílios coletivos são tratados como missing, e foram desconsiderados no cálculo das proxies.



Tabela 4: Proporção dos domicílios com coleta de lixo (em porcentagem)

Ano/Estado 1991 2000 2010

Paraná 62,36 78,25 85,16




Tabela 5: Proporção dos domicílios com telefonia (em porcentagem)

Ano/Estado 1991 2000 2010

Paraná 21,03 38,22 88.84




Tabela 6: Proporção dos domicílios com energia elétrica (em porcentagem)

Ano/Estado 1991 2000 2010

Paraná 90,87 97,36 99,09


Rio Grande do Sul 91,02 97,22 99,32Fonte: Censos Demográficos - IBGE / Elaboração Própria

Neste modelo, também foram inseridas algumas variáveis de controle que captassem algumas características dos municípios, que pudessem influenciar a análise, são elas:

i. Região Metropolitana: Distingue municípios que estão em regiões metropolitanas e que por isso sofrem impactos do município metrópole, dos que não possuem essa influência. Esta variável não permaneceu constante ao longo do período analisado, já que novas regiões metropolitanas foram se desenvolvendo;3

ii. Área urbana: Percentual de urbanização do município;iii. Anos de escolaridade: Média da escolaridade média dos domicílios, medida em anos

de estudo, que compõem o município.

Tabela 7: Proporção dos domicílios em região metropolitana (em porcentagem)

Ano/Estado 1991 2000 2010

Paraná 21,34 34,37 30,38

Santa Catarina 0 38,71 71,55



3 Em 1991, não havia área metropolitana em Santa Catarina, contudo, em 2000, o IBGE assumiu a existência de seis áreas metropolitanas no estado.

Tabela 8: Proporção dos domicílios em área urbana (em porcentagem)

Ano/Estado 1991 2000 2010

Paraná 71,23 77,54 78,81




Tabela 9: Média de anos de estudo

Ano/Estado 1991 2000 2010

Paraná 4,61 5,66 8,51




5. RESULTADOS

Conforme descrito na seção de metodologia, o modelo foi estimado de acordo com duas abordagens distintas. Os resultados da estimação por cross-section serão descritos primeiro e, posteriormente, serão descritos os resultados encontrados através da estimação por painel estático, que considera a idiossincrasia de cada município.

5.1. Cross-Section

Três cross-section foram estimadas, na primeira considera-se o período de 1991 a 2000, na segunda, o período de 2000 a 2010, e na última, o período de 1991 a 2010. Para cada uma destas cross-section foram estimados três modelos, que serão apresentados a seguir. Todos os modelos foram estimados pelo método de Mínimos Quadrados Ordinários.

Modelo 1: Busca verificar qual o impacto do nível de acesso inicial à infraestrutura sobre a variação dos salários de cada município, conforme descrito na seção de metodologia.

Modelo 2: Procura verificar qual a influência do investimento em infraestrutura, mensurado como a variação no acesso a infraestrutura, no período considerado, sobre o crescimento dos salários.

Modelo 3: Analisa-se conjuntamente o impacto do nível inicial de acesso à infraestrutura, bem como, o investimento realizado no período. Pretende-se assim, analisar conjuntamente, os efeitos de longo e de curto-prazo.

5.1.1. Período 1991 – 2000

Segundo as estimativas deste período, fica claro, que houve convergência absoluta de renda entre as cidades da Região Sul do Brasil, isto é, cidades com menor renda cresceram mais do que cidades com renda mais elevada. Segundo Glaeser et al (1995), a correlação negativa entre os salários iniciais e o crescimento dos salários pode ocorrer porque (1) a tecnologia aumenta mais devagar em cidades avançadas (convergência real) ou (2) a migração de mão de obra para regiões de altos salários faz com que os salários dessas regiões declinem.

Com relação ao foco principal deste artigo, verifica-se que o valor inicial de acesso à infraestrutura contribuiu positivamente para o crescimento dos municípios da Região Sul. Em linhas gerais, estes coeficientes estimados foram positivos e fortemente significativos, exceto para o índice de abastecimento de água, que não foi significativo em nenhum modelo.

Além disso, em geral, o investimento em infraestrutura, dado pela variação no acesso a infraestrutura no período, também contribuiu de forma positiva ao crescimento das cidades, exceto, o investimento em energia elétrica, o qual apresentou coeficiente negativo quando apresentou significância, isto pode ter ocorrido devido ao já elevado nível de acesso dos domicílios à energia elétrica.

Tabela 10 : Cross-section 1991 - 2000

Variáveis

Modelo 1 Modelo 2 Modelo 3

Sem Controle Com Controle Sem Controle Sem Controle Com Controle

Constante -0.578*** -0.723*** -0.060* -0.923*** -1.096***

(0.058) (0.073) (0.036) (0.199) (0.188)

Ln do salário per capita inicial -0.427*** -0.462*** -0.416*** -0.546*** -0.576***

(0.021) (0.023) (0.018) (0.026) (0.026)

Índice de abastecimento de água -0.058 0.002 - -0.080 0.070

(0.049) (0.053) - (0.057) (0.057)

Índice de coleta de esgoto 0.137** 0.099 - 0.200*** 0.145**

(0.067) (0.068) - (0.068) (0.069)

Índice de telefonia 0.265** 0.183 - 0.210* 0.112

(0.117) (0.147) - (0.120) (0.149)

Índice de energia elétrica 0.633*** 0.474*** - 0.611*** 0.459***

(0.068) (0.069) - (0.191) (0.176)

Índice de coleta de lixo 0.092 0.003 - 0.432*** 0.602***

(0.056) (0.066) - (0.081) (0.111)Investimento em abastecimento de água - - 0.150* 0.096 0.087

- - (0.081) (0.077) (0.077)

Investimento em coleta de esgoto - - 0.214*** 0.147*** 0.111***

- - (0.041) (0.038) (0.035)

Investimento em telefonia - - 0.361*** 0.365*** 0.380***

- - (0.096) (0.089) (0.096)

Investimento em energia elétrica - - -0.815*** 0.242 0.337

- - (0.110) (0.301) (0.279)

Investimento em coleta de lixo - - 0.236*** 0.587*** 0.719***

- - (0.082) (0.108) (0.120)

Índice de Urbanização - 0.038 - - -0.281***

- (0.065) - - (0.082)

Região Metropolitana - 0.153*** - - 0.133***

- (0.021) - - (0.021)

Escolaridade - 0.054*** - - 0.054***

- (0.018) - - (0.019)

Dummy PR - 0.081*** - - 0.097***

- (0.018) - - (0.017)

Dummy SC - 0.101*** - - 0.116***

- (0.017) - - (0.016)

Estatística - FF(6, 866) =

127.00F(11, 861) =

84.74F(6, 866) =

127.08F(11, 861) =

85.88F(16, 856) =

70.86

Prob > F 0.0000 0.0000 0.0000 0.0000 0.0000

R-quadrado 0.4886 0.5216 0.5081 0.5597 0.6017

Nota: Os números entre parênteses são os desvios-padrão, calculados utilizando a matriz de White para Heterocedasticidade.

Nível de significância: * 0.10 ** 0.05 *** 0.01

5.1.2. Período 2000 – 2010

Novamente, há indícios de convergência absoluta de renda no período analisado entre os municípios da Região Sul. O nível de acesso à infraestrutura, neste período, também contribuiu positivamente para o crescimento do salário, já que todas as variáveis, quando foram significativas, possuem coeficiente estimado positivo.

Quando estimado os efeitos das variáveis de investimento em infraestrutura sobre o crescimento da renda das cidades, verifica-se que o investimento em abastecimento de água, telefonia e coleta de lixo atuam elevando o crescimento das cidades. Contudo, os investimentos em coleta de esgoto e em energia elétrica contribuem de forma negativa. Com relação ao investimento em energia elétrica, uma explicação possível, e que será investigada posteriormente, é a possibilidade do elevado acesso a energia elétrica tornar o investimento adicional negativo ao crescimento. Já com relação ao investimento em coleta de esgoto, não há uma explicação aparente, já que o acesso à coleta de esgoto na região é baixo.


Variáveis



Constante -1.166*** -1.215*** 0.054 -1.179* -1.324***

(0.141) (0.130) (0.044) (0.630) (0.487)


(0.032) (0.033) (0.025) (0.033) (0.032)

Índice de abastecimento de água -0.018 0.009 - 0.020 0.096**

(0.037) (0.043) - (0.041) (0.048)

Índice de coleta de esgoto -0.031 -0.044 - -0.022 -0.022

(0.034) (0.032) - (0.035) (0.032)

Índice de telefonia 0.103* 0.182*** - -0.009 0.516***

(0.060) (0.070) - (0.119) (0.136)

Índice de energia elétrica 1.141*** 0.843*** - 1.063 0.363

(0.148) (0.139) - (0.662) (0.530)

Índice de coleta de lixo 0.086 0.158* - 0.247*** 0.293***

(0.059) (0.084) - (0.076) (0.088)Investimento em abastecimento de água - - 0.043 0.061 0.197***

- - (0.054) (0.058) (0.053)

Investimento em coleta de esgoto - - -0.058 -0.084* -0.018

- - (0.044) (0.044) (0.039)

Investimento em telefonia - - -0.061 -0.094 0.413***

- - (0.063) (0.118) (0.119)

Investimento em energia elétrica - - -1.195*** 0.147 -0.005

- - (0.158) (0.680) (0.524)

Investimento em coleta de lixo - - 0.108 0.259*** 0.316***

- - (0.069) (0.090) (0.085)

Índice de Urbanização - -0.022 - - -0.016

- (0.073) - - (0.071)

Região Metropolitana - 0.027* - - 0.038***

- (0.014) - - (0.015)

Escolaridade - 0.038*** - - 0.035**

- (0.015) - - (0.015)

Dummy PR - 0.119*** - - 0.155***

- (0.013) - - (0.015)

Dummy SC - 0.172*** - - 0.200***

- (0.015) - - (0.015)


56.37F(11, 861) =

49.16F(6, 866) =

56.11F( 11, 861) =

33.35F(16, 856) =

37.25

Prob > F 0.000 0.000 0.000 0.000 0.000

R-quadrado 0.2967 0.4131 0.2932 0.3125 0.4544

Nota: Os números entre parênteses são os desvios-padrão, calculados utilizando a matriz de White para Heterocedasticidade.


5.1.3. Período 1991 – 2010

Considerando o período inteiro da análise, percebe-se que a convergência absoluta de renda entre as cidades da Região Sul no período é, realmente, um resultado forte deste artigo.

Analisando o impacto do acesso inicial dos domicílios à infraestrutura sobre o crescimento econômico da região, é complicado extrair uma conclusão significativa a respeito do acesso ao abastecimento de água e a coleta de esgoto. O índice de acesso ao abastecimento de água apresentou coeficiente negativo e significativo ao nível de 10% no modelo 1, contudo apresentou coeficiente positivo e significativo ao nível de 5% no modelo 2, que possui melhor qualidade de ajustamento aos dados. Com relação ao acesso a coleta de esgoto, seu coeficiente estimado só apresentou significância no modelo 1 e, neste caso, foi negativo.

O resultado para as outras variáveis de acesso inicial a infraestrutura é mais robusto. As variáveis de telefonia, energia elétrica e coleta de lixo apresentam coeficientes estimados positivos e significativos ao nível de 1%.

Um resultado importante neste estudo é que em todos os modelos estimados, para este período, o investimento em abastecimento de água, coleta de esgoto e coleta de lixo apresentaram coeficiente positivos e significativos. Com relação ao investimento em telefonia, o resultado não é robusto, apresentando coeficiente estimado negativo em um modelo e positivo em outro, contudo no modelo com melhor qualidade de ajustamento aos dados, o coeficiente estimado foi positivo e significativo. O investimento em energia elétrica também não é robusto e será discutido posteriormente.

Vale destacar, que o modelo com o melhor ajustamento aos dados, todos os coeficiente estimados dos índices de acesso inicial a infraestrutura e investimento em infraestrutura, quando significativos foram positivos, indicando que o investimento em infraestrutura é fundamental para o crescimento das cidades.


Variáveis



Constante -0.878*** -1.066*** 0.161** -0.286 -1.365***

(0.061) (0.071) (0.074) (0.602) (0.520)


(0.021) (0.022) (0.018) (0.024) (0.024)

Índice de abastecimento de água -0.101* 0.038 - -0.072 0.133**

(0.058) (0.054) - (0.061) (0.058)

Índice de coleta de esgoto -0.036 -0.112* - -0.018 -0.087

(0.066) (0.059) - (0.066) (0.054)

Índice de telefonia 0.378*** 0.231* - 0.267* 0.537***

(0.112) (0.125) - (0.162) (0.179)

Índice de energia elétrica 1.028*** 0.714*** - 0.126 0.129

(0.068) (0.067) - (0.649) (0.556)

Índice de coleta de lixo -0.001 -0.079 - 0.360*** 0.434***

(0.058) (0.063) - (0.104) (0.111)Investimento em abastecimento de água - - 0.144** 0.136** 0.211***

- - (0.056) (0.058) (0.055)Investimento em coleta de esgoto - - 0.147*** 0.103*** 0.082**

- - (0.039) (0.038) (0.034)

Investimento em telefonia - - -0.185** -0.089 0.417***

- - (0.086) (0.123) (0.132)

Investimento em energia elétrica - - -1.107*** -0.805 -0.279

- - (0.069) (0.659) (0.565)

Investimento em coleta de lixo - - 0.169*** 0.400*** 0.487***

- - (0.053) (0.099) (0.094)

Índice de Urbanização -0.044 - - -0.150**

(0.064) - - (0.066)

Região Metropolitana 0.170*** - - 0.156***

(0.020) - - (0.019)

Escolaridade 0.084*** - - 0.084***

(0.017) - - (0.017)

Dummy PR 0.177*** - - 0.212***

(0.018) - - (0.020)

Dummy SC 0.215*** - - 0.258***

(0.016) - - (0.017)


266.30F(11, 861) =

195.46F(6, 866) =

261.67F(11, 861) =

146.78F(16, 856) =

146.73

Prob > F 0.0000 0.0000 0.0000 0.0000 0.0000

R-quadrado 0.6444 0.7134 0.6565 0.6651 0.7504

Nota: Os números entre parenteses são os desvios-padrão, calculados utilizando a matriz de White para Heterocedasticidade.


5.2. Painel Estático

Os modelos apresentados a seguir serão estimados por painel estático, através da utilização dos métodos de efeitos fixos e efeitos aleatórios. Para cada modelo será realizado o Teste de Hausman, a fim de verificar qual o melhor método de estimação. Optou-se por não utilizar painel dinâmico, apesar de ser mais consistente com os dados, devido ao pequeno corte temporal.

5.2.1. Modelos 4 e 5

O quarto modelo estimado neste artigo visa testar a existência de convergência absoluta da renda per capita entre os municípios da Região Sul, para isso considera apenas a relação entre a variação dos salários per capita contra o salário per capita do período anterior. O sinal negativo do coeficiente estimado para o salário per capita indica que há convergência absoluta da renda. O que significa que municípios com maior renda cresceram menos que municípios com menor renda per capta, durante o período considerado.

No quinto modelo foram incluídas variáveis de controle, como a taxa de urbanização da cidade, localização em regiões metropolitanas, a média de anos de estudos do município, além de dummies para controlar pelo estado ao qual este município pertence. Todas as variáveis foram altamente significativas e o coeficiente estimado para o salário inicial continua sendo negativo, sendo assim, ainda há a evidência de convergência de renda.

O coeficiente estimado para o índice de urbanização indica que há efeitos positivos com relação à aglomeração. Para as outras duas variáveis, os coeficientes estimados são dúbios. Contudo, é de se esperar que os sinais estejam de acordo com o estimado pelo método de efeito aleatório, pois, em geral, fazer parte de uma região metropolitana deve aumentar o crescimento dos salários per capita, assim como o maior nível de escolaridade também possui o efeito de contribuir para o aumento dos salários.

Tabela 13 : Painel de convergência

Variáveis Modelo 4 Modelo 5

RE FE RE FE

Constante 0.013** 0.000 -0.257*** -0.034

(0.005) (0.003) (0.038) (0.042)

Ln do salário per capita inicial -0.300*** -0.975*** -0.368*** -0.995***

(0.011) (0.026) (0.015) (0.027)

Índice de Urbanização 0.111*** 0.338***

(0.033) (0.091)

Região Metropolitana 0.049*** -0.021

(0.016) (0.023)

Escolaridade 0.020*** -0.023**

(0.006) (0.009)

Dummy PR 0.082***

(0.011)

Dummy SC 0.142***

(0.012)

Nota: As siglas RE e FE indicam os estimadores de efeitos aleatórios e efeitos fixos, respectivamente.


Em ambos os modelos acima, o Teste de Hausman aponta para o fato de que apenas os estimadores de efeito fixo são consistentes, apesar do estimador de efeito aleatório ser eficiente.


Estes modelos são o foco central deste artigo, pois visam verificar os efeitos da infraestrutura sobre a taxa de crescimento da renda regional. Assim como nos modelos anteriores, estes modelos serão estimados pelo método de efeito fixo e efeito aleatório.

No modelo 6, foi investigado a relação da variação relativa dos salários contra as variáveis de acesso à infraestrutura, sem a utilização de variáveis de controles. Pouca conclusão pode ser extraída deste modelo, o único coeficiente que se manteve significativos e com o mesmo sinal, quando estimado pelo método de efeito aleatório e efeito fixo, foi o logaritmo do salário inicial, que como nos modelos anteriores, é negativo, indicando a convergência da renda.

O índice de energia elétrica é significativo e positivo quando estimado por efeito aleatório, caso contrário este não possui significância. Isto indica que municípios com maior infraestrutura elétrica crescem mais rápido que municípios com baixa infraestrutura elétrica.

Com relação ao índice de abastecimento de água e coleta de lixo, estes somente apresentaram coeficiente significativo quando estimado por efeito fixo. Em ambos os casos,

os coeficientes estimados foram positivos, sugerindo que o maior acesso ao abastecimento de água e coleta de lixo impactam positivamente no crescimento das cidades da Região Sul.

Os índices de tratamento de esgoto e telefonia fixa também só apresentaram coeficientes significativos quando estimados por efeito fixo. Ambos apresentaram coeficiente negativo, o que pode significar que as cidades mais desenvolvidas, e que, portanto, crescem a taxas mais baixas, segundo a hipótese da convergência, já tivessem uma infraestrutura suficiente destes itens. Já as cidades que apresentam maior crescimento, são as cidades menores, que ainda não possuem uma ampla infraestrutura de telefonia e esgoto.

Quando as variáveis de controle foram inseridas na regressão, os resultados basicamente se mantiveram, exceto para o índice de abastecimento de água, que não foi significativo em nenhuma estimação do modelo 7 e o índice de coleta de lixo, que passou a ser negativo.

Tabela 14: Painel de Variação do salário relativo contra nível acesso inicial à infraestrutura


RE FE RE FE

Constante -0.363*** -0.083 -0.479*** -0.173**

(0.045) (0.054) (0.055) (0.075)


(0.014) (0.027) (0.015) (0.028)

Índice de abastecimento de água -0.027 0.096* -0.025 0.055

(0.035) (0.053) (0.038) (0.057)

Índice de coleta de esgoto -0.015 -0.182*** -0.034 -0.187***

(0.037) (0.047) (0.035) (0.048)

Índice de telefonia -0.014 -0.160*** 0.065 -0.170***

(0.041) (0.051) (0.047) (0.056)

Índice de energia elétrica 0.418*** 0.013 0.353*** -0.025

(0.053) (0.071) (0.055) (0.078)

Índice de coleta de lixo 0.017 0.119** -0.168*** 0.062

(0.038) (0.049) (0.045) (0.057)


(0.050) (0.104)


(0.016) (0.023)

Escolaridade 0.008 0.003

(0.009) (0.014)

Dummy PR 0.077***

(0.011)

Dummy SC 0.125***

(0.012)



O Teste de Hausman sugere que o melhor método de estimação é o de efeitos fixos, já que este é consistente.


Nos modelos a seguir são inseridas as variáveis de investimento em infraestrutura. Observa-se que o investimento em abastecimento de água, coleta de esgoto e coleta de lixo contribuem positivamente para o crescimento econômico. Com relação ao investimento em telefonia, nada pode ser concluído desta estimação, já que na estimação por método de efeitos aleatórios seu coeficiente estimado é negativo e significativo, porém na estimação por método de efeitos fixos ocorre o oposto. O investimento em energia elétrica só apresentou coeficiente estimado significativo quando estimado por efeitos aleatórios, e neste caso, seu sinal é negativo.

Tabela 15: Painel de Variação do salário relativo contra variação no acesso a infraestrutura


RE FE RE FE

Constante 0.064*** -0.067*** -0.511*** 0.068

(0.015) (0.016) (0.051) (0.089)


(0.012) (0.026) (0.016) (0.027)

Variação no índice de abastecimento de água 0.054 0.059* 0.085*** 0.058*

(0.034) (0.031) (0.033) (0.031)

Variação no índice de coleta de esgoto 0.088** -0.025 0.072** -0.022

(0.035) (0.037) (0.034) (0.037)

Variação no índice de telefonia -0.110*** 0.045** -0.144*** 0.070***

(0.018) (0.018) (0.018) (0.024)

Variação no índice de energia elétrica -0.838*** 0.023 -0.426*** 0.050

(0.078) (0.106) (0.079) (0.107)

Variação no índice de coleta de lixo 0.130*** 0.221*** 0.301*** 0.229***

(0.037) (0.040) (0.039) (0.041)


(0.034) (0.091)


(0.015) (0.022)

Escolaridade 0.077*** -0.090***

(0.009) (0.020)

Dummy PR 0.109***

(0.011)

Dummy SC 0.143***

(0.011)

Nota: As siglas RE e FE indicam os estimadores de efeitos aleatórios e efeitos fixos, respectivamente.Nível de significância: * 0.10 ** 0.05 *** 0.01

5.2.4. Modelos 10 e 11

Para verificar se os coeficientes negativos estimados nos modelos acima realmente sugerem que as cidades com renda mais elevada e, portanto, com grande infraestrutura instalada crescem menos do que as cidades renda mais baixa e, em geral, com menor infraestrutura instalada, optou-se pela inserção de variáveis de infraestrutura ao quadrado. Assim será possível inferir se a infraestrutura existente desempenha um papel negativo sobre a taxa de crescimento, a princípio, mas com um ponto de mínimo, a partir do qual a uma inversão, isto é, a partir de um determinado nível, a infraestrutura passará a desempenhar um papel positivo sobre o crescimento.

Tabela 16: Painel de Variação do salário relativo contra infraestrutura ao quadrado


RE FE RE FE

Constante 0.034 0.181 -0.137 -0.010

(0.139) (0.138) (0.140) (0.152)


(0.014) (0.028) (0.015) (0.029)

Índice de abastecimento de água -0.039 0.119 -0.074 0.102

(0.109) (0.124) (0.105) (0.124)

Índice de coleta de esgoto -0.130 0.060 -0.126 0.053

(0.087) (0.100) (0.083) (0.100)

Índice de telefonia -0.416*** 0.115 -0.260** 0.031

(0.116) (0.127) (0.122) (0.132)

Índice de energia elétrica -0.569 -0.725** -0.461 -0.742**

(0.366) (0.368) (0.358) (0.367)

Índice de coleta de lixo -0.325*** 0.844*** -0.363*** 0.786***

(0.093) (0.107) (0.092) (0.109)

Índice de abastecimento de água - quadrado 0.022 0.019 0.056 -0.02

(0.105) (0.115) (0.101) -0.116

Índice decoleta de esgoto - quadrado 0.148 -0.219 0.129 -0.231

(0.149) (0.172) (0.143) (0.171)

Índice de telefonia - quadrado 0.536*** -0.336* 0.425** -0.277

(0.170) (0.171) (0.168) (0.172)

Índice de energia elétrica - quadrado 0.722*** 0.282 0.583** 0.229

(0.236) (0.248) (0.231) (0.249)

Índice de coleta de lixo - quadrado 0.355*** -0.808*** 0.230*** -0.836***

(0.086) (0.102) (0.087) (0.103)


(0.051) (0.100)


(0.017) (0.023)

Escolaridade 0.008 0.024*

(0.009) (0.014)

Dummy PR 0.075***

(0.011)

Dummy SC 0.122***

-0.012



Pode-se perceber no modelo 10, que segundo a estimação por efeito aleatório, as duas variáveis de acesso inicial à infraestrutura significativas – telefonia e coleta de lixo – apresentaram coeficiente negativo, porém quando elevadas ao quadrado, ambas apresentaram coeficiente positivo, o que esta alinhado com a hipótese sugerida acima.

Se este mesmo modelo for estimado por efeito fixo, apenas energia elétrica e coleta de lixo são significativas, sendo o primeiro coeficiente negativo e o segundo positivo. Contudo, quando elevado ao quadrado, o coeficiente de energia elétrica não é significativo, portanto, não é possível concluir nada a respeito. Já quando o índice de coleta de lixo é elevado ao quadrado, o seu coeficiente se torna negativo, mostrando um efeito inverso à hipótese apresentada neste artigo.

No modelo 11, além das variáveis de infraestrutura elevadas ao quadrado, foram inseridas variáveis de controle. Neste caso, quando o modelo foi estimado por efeito aleatório, as variáveis significativas – telefonia, energia elétrica (apenas quando elevada ao quadrado) e coleta de lixo – apresentaram coeficientes em acordo com a hipótese. Contudo, quando o modelo foi estimado por efeito fixo, os resultados em termos de sinal dos coeficientes, foram os mesmos da estimação sem as variáveis de controle.

Os índices de abastecimento de água e tratamento de esgoto não foram significativos em nenhuma das regressões do modelo 10 e 11.

Os testes de Hausman para os modelos 10 e 11 indicam que o melhor método de estimação é o de efeitos fixos, apesar do método de efeito aleatório ser mais condizente com as hipóteses do artigo.

6. CONCLUSÃO

Este trabalho buscou analisar o crescimento econômico dos municípios da Região Sul do Brasil, verificando os efeitos do investimento em infraestrutura pública sobre o crescimento.

Um resultado robusto desse artigo é a constatação da convergência absoluta dos salários per capita dos municípios da Região Sul entre 1991 e 2010. Em todos os modelos estimados, o coeficiente do salário inicial foi negativo, evidenciando a hipótese de que as cidades com menor renda per capita crescem a taxas maiores que as cidades com maior renda per capita, onde a renda per capita considera apenas os salários per capitos.

A respeito dos impactos da infraestrutura pública sobre o crescimento das cidades, é necessária a avaliação de todos os modelos conjuntamente, de forma a extrair uma conclusão robusta. De forma geral, algumas conclusões podem ser extraídas dos resultados:

i. O índice de acesso inicial ao abastecimento de água, quando significativo, apresentou coeficiente positivo, evidenciando que o maior acesso a rede geral de abastecimento de água contribui para o crescimento das cidades. O investimento em ampliação do acesso ao abastecimento de água apresentou sinal positivo em todos os modelos apresentados, indicando que cidades que investem mais neste quesito crescem mais;

ii. A análise a respeito do índice de acesso inicial à coleta de esgoto é complicada. Seu coeficiente estimado foi significativo e positivo nas cross-sections para os períodos de 1991 a 2000 e 2000 a 2010, já na cross-section para todo o período e na estimação por painel, os coeficientes estimados foram negativos. Contudo, o investimento em ampliação do acesso à coleta de esgoto foi positivo e significativo na maioria dos modelos estimados, o que sugere que as cidades que investiram mais em ampliação da rede de esgoto foram as cidades que cresceram mais no período.

iii. O coeficiente estimado do índice de acesso inicial à energia elétrica apresentou sinal positivo e significativo, indicando que municípios com maior acesso a energia elétrica cresceram mais do que municípios com menor acesso. Entretanto, quando avaliado o investimento em energia elétrica, os resultados sugerem que o maior investimento não contribui para o crescimento das cidades. Uma ressalva deve ser feita, neste artigo foi considerado o investimento em ampliação da rede e não em manutenção ou melhoria, portanto, como o acesso à energia elétrica já era alto nesta região, o investimento em ampliação não se mostrou como alavanca ao crescimento.

iv. O caso da telefonia difere bastante do restante das variáveis do modelo. Quando o modelo é estimado por cross-section, o coeficiente estimado do nível de acesso inicial à telefonia é positivo e significativo, além disso, o investimento em ampliação do acesso à telefonia, também é positivo e significativo, na maioria dos modelos. Contudo, quando a estimação é realizada por painel estático, o coeficiente estimado de ambas as variáveis, acesso inicial e investimento, são negativos, entretanto, quando a variável de acesso inicial é elevada ao quadrado, o seu coeficiente é positivo. Portanto, pela análise por painel, há evidências que a infraestrutura de telefonia existente desempenha um papel negativo sobre a taxa de crescimento, mas há um ponto de mínimo, a partir do qual a uma inversão, e o acesso inicial a telefonia passará a contribuir positivamente para o crescimento das cidades.

v. Com relação ao coeficiente de coleta de lixo, os resultados apontam que cidades com maior acesso inicial a coleta de lixo cresceram mais, assim como cidades que investiram mais em ampliação da rede de coleta de lixo também cresceram mais.

Os resultados sugerem, portanto, que a ampliação do acesso à infraestrutura é um fator que contribui positivamente para o crescimento econômico das cidades da região sul, e sendo assim, políticas direcionadas ao investimento em infraestrutura devem ser realizadas, principalmente, com relação à coleta de esgoto, cujo índice de acesso é baixo.

7. BIBLIOGRAFIA

ASCHAUER, D. Is public expenditure productive? Journal of Monetary Economics, volume 23, 1989.

BARRO, R., SALA-I-MARTIN, X. Convergence. Journal of Political Economy, volume 100, 1992.

CANDIDO Jr, J. Efeitos do investimento público sobre o produto e a produtividade: uma análise empírica, IPEA, Textos para discussão nº 1204, 2006.

CHAGAS, A., TONETO Jr, R. Fatores determinantes do crescimento local – Evidências a partir de dados dos municípios brasileiros para o período 1980-1991. Pesquisa e Planejamento Econômico, volume 33, Agosto de 2003.

GLAESER, E. et al. Growth in cities. Journal of Political Economy, volume 100, 1992.

GLAESER,E. et al. Economic growth in a cross-section of cities. NBER Working Paper Series, nº 5013, Fevereiro, 1995.

MUNNELL, A. How does public Infrastructure affect regional economic performance. New England Economic Review, Setembro/Outubro, 1990.

MUNNELL, A. Policy Watch: Infrastructure Investment and Economic Growth. Journal of Economic Perspectives, volume 6, 1992.

· web viewsistema de coleta de esgoto: percentual dos domicílios do município com acesso a rede...

Documents