142099

FUNDAÇÃO GETÚLIO VARGAS

ESCOLA DE ADMINISTRAÇÃO DE EMPRESAS DE SÃO PAULO

FERNANDO COELHO MARTINS FERREIRA

O EFEITO DA AGLOMERAÇÃO INDUSTRIAL NO DESEMPENHO ECONÔMICO

DAS FIRMAS

Uma Análise Exploratória Aplicada ao Setor de Confecções do Estado de São Paulo

SÃO PAULO

2005

1



DAS FIRMAS


SÃO PAULO

2005

Dissertação apresentada à Escola de

Administração de Empresas de São Paulo da

Fundação Getúlio Vargas, como requisito

para obtenção do título de Mestre em

Administração de Empresas.

Campo de Conhecimento: Estratégia de

Operações

Orientador: Prof. Dr. João Mário Csillag

2

Ferreira, Fernando Coelho Martins. O efeito da aglomeração industrial no desempenho econômico das firmas: uma análise exploratória aplicada ao setor de confecções do Estado de São Paulo / Fernando Coelho Martins Ferreira. - 2005. 209 f. Orientador: João Mario Csillag. Dissertação (mestrado) - Escola de Administração de Empresas de São Paulo. 1. Análise econômico-financeira. 2. Concentração industrial. 3. Desempenho – Avaliação. 4. Empresas – Avaliação. 5. Roupas – Confecção. 6. Valor adicionado. 7. Vestuário – Indústria – São Paulo (Estado). I. Csillag, João Mário. II. Dissertação (mestrado) - Escola de Administração de Empresas de São Paulo. III. Título. CDU 657.92

3



DAS FIRMAS


Dissertação apresentada à Escola de

Administração de Empresas de São Paulo da

Fundação Getúlio Vargas, como requisito para

obtenção do título de Mestre em Administração

de Empresas.

Campo de Conhecimento:

Estratégia de Operações

Data de Aprovação:

____/____/____

Banca Examinadora:

___________________________

Prof. Dr. João Mário Csillag (Orientador)

FGV-EAESP

____________________________

Prof. Dr. Luiz Carlos Di Serio

FGV-EAESP

_____________________________

Profª. Dra. Eliane Pereira Zamith Brito

Universidade Presbiteriana Mackenzie

4

DEDICATÓRIA

Aos meus pais, Humberto Luiz e

Mariza Adelaide, que, através de

amor e fé incondicionais, me

mantiveram firme na busca de meus

objetivos.

5

AGRADECIMENTOS

Ao meu orientador, Prof. Dr. João Mário Csillag, que durante os dois anos do

mestrado me auxiliou e me estimulou a ir bem além daquilo que eu supostamente

poderia suportar. Minha gratidão vai além destes dois anos de convivência.

Ao Professor Luiz Artur Ledur Brito, que se dispôs a me ajudar sempre de forma

muito solícita, mesmo nas ocasiões em que se encontrava com pouco tempo para

isso. Os conselhos e todo o apoio dele recebidos se refletem em trechos

fundamentais deste trabalho.

Ao Professor Dr. Abraham Laredo Sicsú, que, além de se dispor a me auxiliar nas

análises dos resultados de meu trabalho, demonstrou uma intensa preocupação

comigo durante a realização deste trabalho. A ele sou grato pelo apoio e

consideração.

A diversos colegas de mestrado e doutorado, especialmente Natércia Filipe

Mendeiros Carona, Daniela Cedola, Mateus Canniati Ponchio e Márcio Antônio

Maita, que me suportaram antes e durante a fase monográfica e sempre me deram

mais atenção do que merecia.

Ao CNPq, que viabilizou meus estudos na Fundação Getúlio Vargas durante estes

dois anos.

Por fim, aos meus pais, Humberto Luiz e Mariza Adelaide, e irmãos, Patrícia e

Eurico, que sempre se preocuparam com o membro distante da família,

incentivando-me nos momentos de dificuldade e torcendo para que cada fase fosse

transposta com sucesso. Espero, dentro de meus limites, que possa sempre

corresponder a todo o carinho que eles possuem por mim.

6

“A tarefa não é contemplar o que ninguém ainda contemplou, mas meditar, como

ninguém ainda meditou, sobre o que todo mundo tem diante dos olhos”

Madeleine Grawitz

7

RESUMO

Verifica-se hoje, no Brasil, a emergência de uma série de estudos, tanto no lado

acadêmico quanto no lado governamental e empresarial, relacionados às

aglomerações industriais, mais notadamente clusters e Arranjos Produtivos Locais

(APLs). Contudo, a maioria destes se direciona a abordagens metodológicas

qualitativas, deixando o aspecto quantitativo ainda pouco explorado. Outro fato

também constatado sobre estes estudos é que poucos são aqueles que se

direcionam a avaliar o desempenho das firmas localizadas em aglomerações

industriais, em comparação com as não aglomeradas.

Este trabalho teve como objetivo preencher parcialmente esta lacuna. Marcado por

uma abordagem quantitativa, buscou-se avaliar como as firmas aglomeradas se

desempenham economicamente em relação às não aglomeradas. Dado o aparente

ganho de competitividade do setor de confecções brasileiro e a importância relativa

na economia que este voltou a adquirir após décadas de decadência, as firmas

deste setor localizadas no estado de São Paulo foram as escolhidas para a análise.

Para alcançarmos este objetivo, foi utilizada uma base de dados secundários que,

conjugada com informações relativas às aglomerações industriais existentes no

estado de São Paulo, permitiu avaliar o desempenho das firmas de confecções

através de medidas relacionadas ao conceito de Valor Adicionado.

Contrariando as expectativas geradas pela revisão de literatura, foi constatada a

ausência de evidências que confirmem que as firmas localizadas em aglomerações

industriais se desempenhem melhor do que as firmas não aglomeradas. Opondo-se

de forma mais intensa às expectativas, foi constatado que as firmas localizadas na

cidade de São Paulo, região com a maior aglomeração de firmas do setor de

confecções, possuem seu desempenho econômico prejudicado. Todavia, dado o

caráter exploratório do estudo, os resultados não devem ser generalizados, ficando

estes restritos às empresas componentes da amostra.

Palavras-chave: Aglomeração Industrial, Desempenho Econômico, Setor de

Confecções, Indústria Paulista, Valor Adicionado.

8

ABSTRACT

Nowadays in Brazil, a set of studies are emerging, as much from the academic side

as from the governmental and corporative side, concerning to the industrial

agglomeration, mainly clusters and Local Productive Arrangements (LPAs). However,

the majority of those studies are conducted trough approaches of qualitative

methodology. Another evidence about such studies is that they seldom develop

research towards the performance of the firms located in industrial agglomerations

compared to other firms not agglomerated.

This work had as objective to partially fulfill that gap. Determined by a quantitative

approach, it aimed to evaluate how the agglomerated firms perform economically

when compared with the ones that are not. Considering the apparent competitive

advantage of the Brazilian textile sector and the relative economic relevance that it

rebuilt after decades of decadence, firms from this sector located in São Paulo state

were selected for analysis.

To reach this goal, a secondary data base was used, together with information

concerning the industrial agglomerations existing in São Paulo state, which has

allowed evaluating the firms’ performance trough measures related to the concept of

Added Value.

Contrary to all expectations raised by the bibliographic review and preparatory

research, no evidence that confirms that firms located in industrial agglomerations

have better performance than the not agglomerated firms was found. Moreover, the

research revealed that the firms located in São Paulo city, the region with the biggest

agglomeration of firms of the textile sector, have their performance jeopardized

Nevertheless, taking into account the exploratory nature of this study, the results

should not be generalized to all the textile industry sector, remaining such results

strictly adequate to the firms of the sample.

Key-words: Industrial Agglomeration, Economic Performance, Textile Sector, Paulista

Industry, Added Value.

9

LISTA DE TABELAS E ILUSTRAÇÕES

Tabelas

Tabela 1 – Nível de Aglomerações Vs. CNAE das firmas selecionadas para a

amostra.....................................................................................................................119

Tabela 2 – Medidas Descritivas da Variável Valor Adicionado por Funcionário......128

Tabela 3 – Medidas Descritivas da Variável Receita Líquida da Firma...................129

Tabela 4 – Medidas Descritivas da Variável Receita por Cliente.............................130

Tabela 5 – Medidas Descritivas da Variável Número de Funcionários....................131

Tabela 6 – Medidas Descritivas da Variável Receita por Funcionário.....................132

Tabela 7 – Correlações entre as Variáveis Contínuas.............................................133

Tabela 8 – Distribuição de Freqüência para Nível de Aglomeração........................134

Tabela 9 – Distribuição de Freqüência para Setor de Atividade..............................134

Tabela 10 – Distribuição de Freqüência para Idade da Firma.................................134

Tabela 11 – Distribuição de Freqüência para Exportação.......................................135

Tabela 12 – Distribuição de Freqüência para Política de Relacionamento com a

Comunidade.............................................................................................................135

Tabela 13 – Medidas Descritivas da Variável Valor Adicionado por Receita...........136

Tabela 14 – Medidas Descritivas da Variável Receita Líquida da Firma.................137

Tabela 15 – Medidas Descritivas da Variável Receita por Cliente...........................138

Tabela 16 – Medidas Descritivas da Variável Número de Funcionários..................139

Tabela 17 – Medidas Descritivas da Variável Receita por Funcionário...................140

Tabela 18 – Correlações entre as Variáveis Contínuas...........................................141

Tabela 19 – Distribuição de Freqüência para Nível de Aglomeração......................142

Tabela 20 – Distribuição de Freqüência para Setor de Atividade............................142

Tabela 21 – Distribuição de Freqüência para Idade da Firma.................................142

Tabela 22 – Distribuição de Freqüência para Exportação.......................................142

Tabela 23 – Distribuição de Freqüência para Política de Relacionamento com a

Comunidade.............................................................................................................143

Tabela 24 – Variáveis Dummy para Nível de Aglomeração.....................................144

Tabela 25 – Variáveis Dummy para Setor de Atividade...........................................145

Tabela 26 – Variáveis Dummy para Idade da Firma................................................145

10

Tabela 27 – Variável Dummy para Exportação........................................................146

Tabela 28 – Variável Dummy para Política de Relacionamento com a

Comunidade.............................................................................................................146

Tabela 29 – Resumo dos Modelos...........................................................................149

Tabela 30 – Análise de Variância.............................................................................150

Tabela 31 – Coeficientes da Regressão para a Variável Dependente Valor

Adicionado por Funcionário......................................................................................153

Tabela 32 – Resumo dos Modelos...........................................................................159

Tabela 33 – Análise de Variância.............................................................................159


Adicionado por Receita............................................................................................161

Quadros

Quadro 1 – Meios de Criação do Capital Humano nos Distritos Industriais...............37

Quadro 2 – Características Definidoras de Clusters Propostas na Literatura............89

Quadro 3 – Benefícios e Limitações dos Dados Secundários.................................104

Quadro 4 – Hierarquia da Indústria de Confecções.................................................106

Quadro 5 – Estrutura dos Questionários da Indústria – PAEP 2001........................108

Quadro 6 – Classificação das Variáveis do Estudo..................................................112

Quadro 7 – Método de Cálculo do Valor Adicionado da Indústria............................114

Quadro 8 – Nível de aglomeração atribuído às firmas baseado no número de

estabelecimento em uma cidade..............................................................................118

Quadro 9 – Códigos e Descrição das Variáveis dos Modelos de Regressão..........147

Quadro 10 – Variáveis Acrescentadas em Cada Modelo de Regressão para Ambas

as Variáveis Dependentes.......................................................................................148

Esquemas

Esquema 1 – Os Determinantes da Vantagem Competitiva......................................86

Gráficos

Gráfico 1 – Histograma de Valor Adicionado por Funcionário (em R$ milhares).....128

11

Gráfico 2 – Histograma de Receita Líquida da Firma (R$)......................................129

Gráfico 3 – Histograma de Receita por Cliente........................................................130

Gráfico 4 – Histograma de Número de Funcionários...............................................131

Gráfico 5 – Histograma de Receita por Funcionário (em R$ milhares)....................132

Gráfico 6 – Histograma de Valor Adicionado por Receita........................................136

Gráfico 7 – Histograma de Receita Líquida da Firma (R$)......................................137

Gráfico 8 – Histograma de Receita por Cliente........................................................138

Gráfico 9 – Histograma de Número de Funcionários...............................................139

Gráfico 10 – Histograma de Receita por Funcionário (em R$ milhares)..................140

Gráfico 11 – Histograma Padronizado da Regressão..............................................155

Gráfico 12 – Exame de Resíduos para Valor Adicionado por Funcionário x Receita

por Funcionário.........................................................................................................156

Gráfico 13 – Resíduo Padronizado da Regressão x Receita por Funcionário (R$).157

Gráfico 14 – Resíduo Padronizado da Regressão x Valor Previsto Padronizado....158

Gráfico 15 – Histograma Padronizado da Regressão..............................................163

Gráfico 16 – Valor Adicionado por Receita x Receita Líquida da Firma..................164

Gráfico 17 – Valor Adicionado por Receita x Número de Funcionários...................165

Gráfico 18 – Resíduo Padronizado da Regressão x Receita Líquida da Firma

(R$)...........................................................................................................................166

Gráfico 19 – Resíduo Padronizado da Regressão x Número de Funcionários........166

Gráfico 20 –Resíduo Padronizado da Regressão x Valor Previsto Padronizado.....167

Mapas

Mapa 1 – Localização das Concentrações Industriais da Atividade “Peças Interiores”

no Estado de São Paulo...........................................................................................120

Mapa 2 – Localização das Concentrações Industriais da Atividade “Roupas em

Geral” no Estado de São Paulo................................................................................121

Mapa 3 – Localização das Concentrações Industriais da Atividade de Roupas

Profissionais no Estado de São Paulo.....................................................................122

12

SUMÁRIO

CAPÍTULO 1 - INTRODUÇÃO..................................................................................16

1.1 – Problema de Pesquisa......................................................................................16

1.2 – Escolha e Justificativa do Tema e Contexto de Investigação...........................19

1.2.1 – Justificativa para a Escolha do Setor de Confecções....................................22

1.3 – Contribuições do Estudo...................................................................................24

1.4 – Objetivos............................................................................................................25

1.4.1 – Objetivo Principal...........................................................................................25

1.4.2 – Objetivo Secundário ......................................................................................25

1.5 – Organização do Trabalho..................................................................................25

CAPÍTULO 2 - OS DISTRITOS INDUSTRIAIS: DE MARSHALL AOS TEMPOS

MODERNOS .............................................................................................................27

2.1 – Introdução: As Pequenas Empresas e o Desafio à Lógica do Dualismo

Industrial.....................................................................................................................27

2.2 – O Distrito Industrial: Conceitos e Características..............................................28

2.3 – O Processo de Formação dos Distritos Industriais...........................................31

2.3.1 - Aptidão hereditária .........................................................................................33

2.3.1.1 – Os spillovers tecnológicos ..........................................................................34

2.3.2 - Mercado local para mão-de-obra especializada.............................................36

2.3.3 - Surgimento de indústrias subsidiárias e maquinário especializado ...............37

2.4 – O Conceito de Externalidades...........................................................................38

2.4.1 – As Externalidades Estáticas ..........................................................................41

2.4.2 – As Externalidades Dinâmicas........................................................................41

2.4.3 – As Externalidades em um Contexto Global e suas Contrapartes Negativas .44

2.4.4 – Breves Comentários Acerca das Considerações Estratégicas da Localização

..................................................................................................................................46

2.5 – Divisão do Trabalho, Cooperação e Competição..............................................47

2.5.1 – Limites à Cooperação nos Distritos Industriais..............................................51

2.5.2 – Um Segundo Olhar sobre a Cooperação: a Crítica à Abordagem das

Networks ...................................................................................................................53

13

2.6 – A Derrocada e o Renascimento dos Distritos Industriais: O Caso da Terceira

Itália............................................................................................................................56

2.6.1 – Explicações para o ressurgimento dos distritos industriais ...........................59

2.7 – Fronteiras e Transformações de um Conceito em Busca de Identidade..........63

CAPÍTULO 3 – OS ESTUDOS CONTEMPORÂNEOS SOBRE AS

AGLOMERAÇÕES INDUSTRIAIS: KRUGMAN E PORTER ...................................70

3.1 – Paul Krugman e o Espaço, a Fronteira Final.....................................................72

3.1.1 – A Competição Imperfeita e os Retornos Crescentes.....................................75

3.1.2 – Os modelos de localização das indústrias.....................................................78

3.1.2.1 – História, Acidente e a Localização da Indústria..........................................81

3.1.3 – Críticas à Nova Geografia Econômica...........................................................83

3.2 – Michael Porter e a Emergência dos Clusters....................................................84

3.2.1 – O Conceito de Clusters .................................................................................86

3.2.1.2 – O Contexto Social dos Clusters Industriais ................................................88

3.2.2 – A Natureza dos Clusters................................................................................92

3.2.2.1 – Localização e Competição .........................................................................94

3.2.2.2 – Clusters e Inovação....................................................................................97

CAPÍTULO 4 – METODOLOGIA DE PESQUISA.....................................................99

4.1 – O Conceito de Metodologia...............................................................................99

4.2 – A Pesquisa Exploratória..................................................................................101

4.2.1 – O Uso de Dados Secundários .....................................................................103

4.3 – Universo e Amostra.........................................................................................104

4.3.1 – A Base de Dados Secundários: A Pesquisa de Atividade Econômica Paulista

................................................................................................................................106

4.3.1.1 – Determinando o tamanho da amostra ......................................................109

4.4 – Determinação da Ferramenta de Análise........................................................110

4.4.1. – As Variáveis Dependentes .........................................................................112

4.4.1.1 – Expectativas em Relação ao Desempenho das Firmas ...........................114

4.4.2 – Variáveis Independentes.............................................................................116

4.4.2.1 – Nível de Aglomeração ..............................................................................116

4.4.2.1.1 – O Atlas das Concentrações Industriais..................................................117

4.4.2.2 – Setor de Atividade ....................................................................................123

14

4.4.2.3 – Idade da Firma .........................................................................................123

4.4.2.4 – Exportação ...............................................................................................123

4.4.2.5 – Política de Relacionamento com a Comunidade......................................123

4.4.2.6 – Receita Líquida ........................................................................................124

4.4.2.7 – Receita por Cliente ...................................................................................124

4.4.2.8 – Número de Funcionários ..........................................................................124

4.4.2.9 – Receita por Funcionário ...........................................................................124

CAPÍTULO 5 – RESULTADOS DA PESQUISA.....................................................126

5.1 – Análise Descritiva das Variáveis e Tratamento das Variáveis

Categóricas..............................................................................................................126

5.1.1 – Análise Descritiva das Variáveis .................................................................126

5.1.1.1 – Valor Adicionado por Funcionário e as Variáveis Contínuas Independentes

................................................................................................................................127

5.1.1.2 – Valor Adicionado por Funcionário e as Variáveis Categóricas

Independentes.........................................................................................................133

5.1.1.3 – Valor Adicionado por Receita e as Variáveis Contínuas Independentes..135

5.1.1.4 – Valor Adicionado por Receita e as Variáveis Categóricas Independentes

................................................................................................................................141

5.1.2 – Tratamento das Variáveis Categóricas: A Codificação Dummy ..................143

5.1.2.1 – Nível de Aglomeração ..............................................................................144

5.1.2.2 – Setor de Atividade ....................................................................................144

5.1.2.3 – Idade da Firma .........................................................................................145

5.1.2.4 – Exportação ...............................................................................................146

5.1.2.5 – Política Formal de Relacionamento com a Comunidade..........................146

5.2 – Análise dos Modelos de Regressão................................................................147

5.2.1 – Análise de Regressão para a Variável Dependente Valor Adicionado por

Funcionário..............................................................................................................149


Receita ....................................................................................................................158

CAPÍTULO 6 – CONCLUSÕES..............................................................................168

6.1 - Conclusões .....................................................................................................168

6.2 – Implicações Gerenciais e Acadêmicas...........................................................171

15

6.3 – Limitações da Pesquisa..................................................................................173

6.4 – Sugestões de Pesquisa..................................................................................175

6.5 – Considerações Finais .....................................................................................177

7 - REFERÊNCIAS .................................................................................................178

8 – APÊNDICE........................................................................................................189

APÊNDICE A – Diagramas de Dispersão e Testes de Mahalanobis para a

Identificação de Outliers...........................................................................................189

9 – ANEXOS ...........................................................................................................195

ANEXO A – Perfil Ocupacional e Econômico da Indústria Paulista.........................195

ANEXO B – Metodologia aplicada na Pesquisa de Atividade Econômica Paulista

(PAEP)......................................................................................................................196

ANEXO C – Metodologia do SEBRAE para a Construção do Atlas das

Concentrações Industriais do Estado de São Paulo................................................206

16

CAPÍTULO 1 - INTRODUÇÃO

1.1 – Problema de Pesquisa

Atualmente, tornou-se prática comum falar da globalização e de todos os benefícios

(e malefícios) que esta trouxe a muitas sociedades nas diversas regiões do mundo.

Capitais, bens e tecnologia são intercambiados entre os mais diversos locais e as

operações podem ser conduzidas onde estas sejam mais eficientes em termos de

custo (vide a enxurrada de investimentos que muitas nações emergentes vêm

recebendo nos últimos anos).

A remoção das barreiras políticas e econômicas entre os países parece ter colocado

a localização sob forte influência da lógica de minimização de custos. Se as

empresas podem construir suas fábricas em locais distantes de seus clientes, uma

vez que outros países possuem uma estrutura física e institucional que torna

possível a instalação destas firmas a um custo menor do que nos seus países de

origem, então a localização das indústrias próximas aos seus mercados

consumidores passa a ser irrelevante.

Todavia, Porter (1998a) afirma que esta perspectiva, apesar de muito divulgada, não

está de acordo com a realidade competitiva. Igualmente equivocada estava a idéia

da globalização da tecnologia nos anos 1990, que pregava que a ampla

disseminação e fácil acesso à tecnologia e ao conhecimento tornariam as

competências dentro das fronteiras nacionais irrelevantes. (CASSIOLATO e

LASTRES, 2000).

Desta forma, a localização das firmas baseada em aspectos estratégicos se

estabelece como uma variável fundamental na tomada de decisão das

organizações. Conforme assinala Porter (1994), as grandes e persistentes

diferenças no desempenho econômico de países, regiões e cidades e o advento de

muitos competidores internacionais de sucesso podem ser parcialmente explicados

pelas estratégias de localização adotadas pelas organizações.

17

Dentro dos estudos de localização, aqueles referentes à concentração de firmas em

um mesmo espaço geográfico – fenômeno que possui diversas denominações na

literatura, tais como arranjos produtivos locais, distritos industriais e clusters,

dependendo a classificação principalmente das características da aglomeração –

vêm atraindo ainda maior interesse na academia e em órgãos governamentais e de

fomento à indústria.

No Brasil, os termos arranjos produtivos locais (APLs) e clusters têm sido os mais

utilizados tanto pela academia quanto pelas instituições empresarias que estimulam

o desenvolvimento destas aglomerações industriais. Do lado governamental, o termo

arranjos produtivos locais foi adotado para representar e balizar todas as políticas de

incentivo a este fenômeno. O SEBRAE (Serviço Brasileiro de Apoio às Pequenas e

Micro Empresas) os define como:

Aglomerações de empresas, localizadas em um mesmo território, que apresentam especialização produtiva e mantêm algum vínculo de articulação, interação, cooperação e aprendizagem entre si e com outros atore locais, tais como: governo, associações empresariais, instituições de crédito, ensino e pesquisa. (SEBRAE, 2003, p. 17).

Tanto no governo quanto em instituições de apoio à indústria, o incentivo ao

desenvolvimento de APLs está amplamente relacionado ao suporte às micro e

pequenas empresas destas aglomerações. O governo federal, por exemplo,

recentemente incluiu os APLs em sua política industrial, visando não somente o

aumento da competitividade destes pequenos e médios empreendimentos, mas

também o aumento da participação destas firmas no comércio exterior

brasileiro.(OTTONI, 2004).

Grupos interministeriais de APLs, a Financiadora de Estudos e Projetos (FINEP) e o

Instituto de Pesquisa Econômica Aplicada (IPEA) são exemplos de órgãos que

desenvolvem no âmbito federal iniciativas de incentivo ao arranjos. Participam

também destas iniciativas bancos de fomento à indústria, como é o caso do Banco

Nacional de Desenvolvimento Econômico e Social (BNDES), e organizações semi-

públicas, como a Agência de Promoção de Exportações do Brasil (APEX). (LEMOS,

18

ALBAGLI e SZAPIRO, 2004). Mais recentemente, através de portaria interministerial,

foi instituído o Grupo de Trabalho Permanente para Arranjos Produtivos Locais (GTP

APL), onde vinte e duas entidades governamentais e não governamentais se

dedicam ao projeto-piloto de desenvolvimento de 11 APLs, distribuídos por todas as

regiões do país,.segundo informa o Ministério do Desenvolvimento, Indústria e

Comércio Exterior (MDIC). (MDIC, 2004).

Do lado das instituições, o SEBRAE talvez seja o órgão mais atuante nas políticas

destinadas aos APLs. Este parte do pressuposto de que a estratégia voltada para o

desenvolvimento dos APLs constitui uma das maneiras do Brasil aprofundar a

democracia e erradicar a pobreza, combinando crescimento econômico com redução

da desigualdade. O SEBRAE enxerga nos APLs a oportunidade das firmas obterem

“vantagens competitivas duradouras, principalmente quando estas são construídas a

partir do enraizamento de capacidades produtivas e inovativas” (SEBRAE, 2003,

p.16), acreditando ainda que as empresas terão maiores chances de florescer de

forma sustentada quando as condições sociais, culturais, ambientais, físico-

territoriais e político-institucionais forem adequadas. Desta forma, pela visão do

SEBRAE, há sentido em atuar somente em redes locais (empresariais, sociais e

institucionais) onde essas condições sejam levadas em conta da mesma forma que

a dimensão econômica.

Sabendo, então, da importância que as aglomerações industriais adquiriram na

recente estratégia para a competitividade da indústria brasileira, este estudo

pretende, ainda que de maneira exploratória, analisar o impacto que a localização

em aglomerações industriais possui no desempenho econômico das firmas.

Como objetivo secundário deste trabalho, pretende-se levantar uma série de outros

fatores que possam explicar a diferença de desempenho entre as firmas

pesquisadas.

Este estudo se voltará à análise do desempenho do setor de confecções localizado

no estado de São Paulo. As razões para a sua escolha poderão ser vislumbradas no

item seguinte deste capítulo.

19

A fim de orientar nossa análise exploratória, iremos buscar na literatura as principais

correntes de pesquisas sobre as aglomerações industriais, visando compreender

como estas se formam, o que as faz se desenvolver e se estabelecer e em que se

baseiam seus diferenciais competitivos.

1.2 – Escolha e Justificativa do Tema e Contexto de Investigação

Antes de nos dirigirmos à justificativa do trabalho, é necessário dizer que o estudo

trata do desempenho de aglomerações industriais, termo abrangente que possui

como aspecto central a proximidade territorial dos agentes econômicos (empresas),

sendo possível também incorporar à definição os agentes políticos e sociais.

(SEBRAE, 2003). A amplitude deste termo, portanto, não nos impede que clusters,

APLs e distritos industriais sejam genericamente tratados como aglomerações

industriais.

Todavia, como deixaremos os agentes políticos e sociais fora do escopo de nossa

pesquisa exploratória, nos limitaremos ao conceito mais restrito de aglomerações

industriais, ou seja, aquele que abrange somente a questão da proximidade entre os

agentes econômicos.

A maior conseqüência desta limitação é que em momento algum as aglomerações

analisadas serão tratadas como clusters, APLs ou qualquer outra possível

denominação. Entendemos que para considerá-las como tais, seria necessária uma

extensa e prévia investigação qualitativa a respeito dos aspectos sociais envolvidos

nas regiões, principalmente no que diz respeito às redes de relações sociais ou

networks, conceito no qual se baseiam todos estes estudos.

Tal posicionamento encontra respaldo em Jones, Hesterly e Borgatti (1997, p. 935,

tradução nossa, grifo nosso), que afirmam que “não é suficiente chamar uma

indústria ou região de “network” [e, consequentemente, de APLs, distritos industriais

ou clusters] sem antes examinar as relações entre as firmas e como estas relações

completam um produto ou serviço”. Da mesma forma, conforme o SEBRAE (2002),

embora um APL dependa da concentração de empresas que realizam atividades

20

semelhantes em uma região, isso não é suficiente para caracterizá-lo. É necessário,

também, que os agentes econômicos e sociais da região possuam grande interação

de ações e dessa forma contribuam em favor do progresso sustentado da

comunidade local1.

Além da própria importância estratégica que as aglomerações industriais vêm

adquirindo no contexto nacional, observam-se dois pontos que motivaram fortemente

a realização deste trabalho: a carência de trabalhos de natureza quantitativa e

analítica neste campo e a não verificação de estudos no Brasil que mensurem o

desempenho econômico de firmas em aglomerações industriais.

Muito já foi escrito sobre APLs, distritos industriais e clusters no Brasil. Tamanha é a

quantidade de publicações acerca deste assunto, concentradas principalmente nos

últimos anos, que seria uma tarefa interminável listá-las neste trabalho. Dentre os

exemplos mais recentes de textos publicados, podemos citar Passos, Dias e Cruz

(2004), Oliveira e Porto (2004), Judice (2004), Tôrres, Oliveira e Silva (2004), Silveira

e Zwicker (2004), Scheffer e Schenini (2004), Moreira e Amorim (2004), Botelho,

Paula e Kamasaki (2004), Amato Neto e Garcia (2003), Coimbra de Souza e Arica

(2003), Contador Júnior e Chiari da Silva (2003), Pereira e Moori (2003). Contudo,

seguindo a tendência de muitas outras publicações, boa parte destas é de natureza

qualitativa e descritiva. Escassas são as pesquisas que oferecem uma abordagem

quantitativa e analítica.

Outro problema recorrente observado nas produções acadêmicas brasileiras é a

classificação das aglomerações como clusters ou APLs sem uma apresentação

prévia de evidências que confirmem que estas são merecedoras de tais

classificações; simplesmente assume-se que estas os são, sendo poucos os

trabalhos que se preocupam com isso.

1 Estranhamente, a REDESIST (Rede de Pesquisa em Sistemas Produtivos e Inovativos Locais), instituição vinculada à faculdade de economia da Universidade Federal do Rio de Janeiro, afirma que o arranjo produtivo local designa aquelas aglomerações produtivas que não apresentam significativa articulação entre os agentes (REDESIST, 2004), aparentando contrariar diversos estudos existentes sobre os APLs.

21

A falta de evidências que caracterizem um aglomerado industrial como um cluster

parece ser um problema não de cunho exclusivamente brasileiro, mas também

daquilo que é produzido e publicado no exterior, conforme verificado por Van der

Linde (2002). De acordo com este autor, a literatura sobre clusters é marcada por

uma riqueza de estudos de casos e relatórios, que frequentemente são mais

qualitativos do que quantitativos e não são padronizados em metodologia e

profundidade de análise. Verifica-se ainda pouca evidência quantitativa e

sistemática sobre a população dos clusters como um todo.

No lado brasileiro, três publicações que visam identificar ou confirmar a existência de

clusters em determinadas regiões são merecedoras de maior atenção: Britto e

Albuquerque (2001), que desenvolveram uma metodologia quantitativa para o

mapeamento de clusters, Wilk e Fensterseifer (2003), que apresentam importantes

evidências sobre o cluster vinícola no Vale dos Sinos, Rio Grande do Sul, e

Kirschbaum e Vasconcelos (2004), que recolhem um número satisfatório de

evidências que caracterizam a região de São José dos Campos como um cluster de

aeronáutica e armamentos bélicos.

Baseado no exposto acima, esta dissertação pretende se apresentar como uma

contraposição ao atual estado da literatura sobre as aglomerações industriais,

visando oferecer uma abordagem quantitativa e analítica aos estudos sobre as

aglomerações industriais.

A segunda motivação para a realização deste trabalho é a ausência de pesquisas no

Brasil que mensurem o impacto que a localização em aglomerações industriais

possui no desempenho econômico das firmas. Uma das poucas iniciativas

conhecidas é a de um projeto conduzido pela Federação das Indústrias do Estado

de São Paulo (FIESP) que analisa comparativamente o quanto as firmas

aglomeradas conseguem adicionar valor aos seus produtos antes e depois da

aplicação de estratégias suportadas pela FIESP, tais como treinamento e

22

capacitação de mão-de-obra, melhoria da qualidade dos produtos, dentre outras

(informação verbal)2.

Outros estudos sobre as aglomerações chegam a trabalhar a questão do

desempenho, mas sob outras perspectivas, tais como a da produtividade das firmas

de setor calçadista de Franca, avaliada por Pereira e Moori (2003).

Em termos acadêmicos, acreditamos que os autores que estiveram mais próximos

de realizar uma análise mais profunda, com o potencial de gerar resultados

promissores no aspecto econômico, foram Wilk e Fensterseifer (2003), que fizeram

uma extensa análise, baseada na perspectiva da Resource-based View (RBV),

sobre os recursos exclusivos e competências distintivas do cluster vinícola dos Vale

dos Sinos. Entretanto, estes autores se limitaram a este levantamento, sem

verificarem o quanto estes elementos impactariam nos resultados das firmas.

A questão do desempenho econômico das aglomerações, portanto, ainda é um

ponto pouco ou não explorado na literatura. Desta forma, este trabalho visa, ainda

que de forma exploratória, preencher esta lacuna observada nos estudos nacionais.

1.2.1 – Justificativa para a Escolha do Setor de Confecções

Posto que nosso estudo trata do desempenho econômico de firmas aglomeradas,

possuíamos a liberdade para escolher uma entre as diversas indústrias do estado de

São Paulo localizadas em aglomerações industriais. Todavia, o setor de confecções

foi o eleito por razões que serão expostas neste subitem.

A cadeia têxtil, composta pelas indústrias de têxteis básicos e de confeccionados,

sofreu profundas transformações a partir da década de 1990. No início daquela

década, a participação dos setores têxtil e de confeccionados havia declinado para

2,9% do PIB e 10% do valor adicionado da indústria de transformação, seguindo

2 Notícia fornecida por Pedro Kobler, analista de projetos da FIESP, durante o seminário de Microeconomics of Competitiveness, realizado através de parceria entre a Harvard Business School e a FGV-EAESP, em São Paulo, em novembro de 2004.

23

uma trajetória descendente desde a década de 1950, quando esta cadeia chegou a

responder por um quarto do PIB do país. (SEBRAE, 2001).

Esta queda na participação relativa do setor têxtil e de confecções no PIB brasileiro

deveu-se à ascensão de outros setores industriais, principalmente entre as décadas

de 1950 e 1980, que passaram a responder por uma fatia maior da produção

nacional. Já a partir da década de 1990, a maior parte desta queda parece ter sido

causada pela abertura do mercado brasileiro aos produtos importados, que

desferiram um duro golpe sobre este setor. (SEBRAE, 2001).

A partir da década de 1990, a indústria têxtil e a indústria de confecções

desenvolveram-se em trajetórias diferentes. Enquanto no setor têxtil houve uma

drástica redução no número de empresas em operações e de postos de trabalho, no

setor de confecções o número de estabelecimentos e a produção aumentaram

consideravelmente. Além disso, o número pessoas empregadas neste setor

permaneceu estável, indicando um aumento de produtividade. (SEBRAE, 2001).

A busca da racionalidade levou muitas empresas de ambas as indústrias à

focalização em um menor número de itens e à especialização em etapas

determinadas do processo produtivo. Plantas verticalizadas adotaram uma estratégia

de horizontalização de suas cadeias, passando a comprar, em vez de produzir, a

matéria-prima de outros fornecedores e a terceirizar a etapa de costura. Além disso,

outros desafios relacionados à maior exigência de preços, qualidade e prazo de

entrega forçaram esta cadeia a se modernizar e a dinamizar o processo competitivo.

(SEBRAE, 2001).

Este acirramento da competição parece estar gerando os primeiros resultados. Nota-

se nos últimos anos a aquisição de um perfil mais exportador dos setores têxteis e

de confecções. No ano de 2003, por exemplo, estes setores bateram o recorde de

exportações (US$ 1,6 bilhão), com o melhor superávit dos últimos onze anos (US$

600 milhões). A média de crescimento das exportações para aquele ano foi de 40 %

(o dobro da média nacional). Ainda, estima-se que para o ano de 2004 as

exportações tenham crescido 25% em relação ao ano anterior, com boas chances

de se bater o recorde histórico da balança comercial, cerca de US$ 1 bilhão,

24

conforme a Associação Brasileira da Indústria Têxtil. (ABIT, 2004). Evidencia-se,

portanto, uma maior competitividade destas indústrias.

As transformações ocorridas nestes setores refletiram-se na maior participação

destes no produto interno bruto, após décadas seguindo uma trajetória descendente.

Ao final de 2003, ambos respondiam por 4,4% do PIB nacional, ante os 2,9%

registrados no início da década de 1990. (ABIT, 2004).

Quanto à importância dos setores têxtil e de confecções para o estado de São

Paulo, vale aqui dizer que estes, no ano de 2001, responderam por quase 12% do

pessoal ocupado no estado, contribuindo para a receita industrial líquida e valor

adicionado em 4,0% e 4,2%, respectivamente (FUNDAÇÃO SEADE, 2004a),

conforme pode ser observado na tabela apresentada no Apêndice A desta

dissertação.

Portanto, dados o peso destas indústrias para a economia nacional e os ganhos por

elas adquiridos em termos de flexibilidade, qualidade e competitividade nos últimos

anos, surge neste cenário a oportunidade de realizar estudos que visem analisar

como as firmas localizadas em aglomerações industriais (no nosso caso, aquelas da

indústria de confecções) se desempenham em relação às não aglomeradas.

1.3 – Contribuições do Estudo

Além de contribuir com o enfoque quantitativo e com a abordagem do desempenho

econômico, acreditamos que este estudo pode adicionar outros benefícios aos

estudos sobre as aglomerações industriais.

Uma das possíveis contribuições da mensuração de aspectos econômicos diz

respeito a sua utilização como instrumento de identificação de clusters, APLs ou

distritos industriais. Estes, notadamente caracterizados pela presença de aspectos

cooperativos e competitivos, que a priori conduzem à produção de resultados

superiores aos das firmas geograficamente isoladas, seriam em teoria capazes de

desempenhar melhor que as firmas não aglomeradas. A existência de evidência

contrária poderia indicar a presença de uma aglomeração em que os aspectos

25

competitivos se sobrepõem aos cooperativos, minando todo o conceito de clusters,

APLs e distritos industriais. A inserção de critérios de desempenho econômico, desta

forma, se apresentaria como um dos sintomas da existência destes fenômenos.

Uma outra contribuição deste estudo é o fato de este alinhar-se com os objetivos da

Secretaria de Desenvolvimento Econômico do Estado de São Paulo, que visa

estabelecer estratégias e programas que visem o aumento do valor agregado nos

produtos e serviços produzidos em algumas das aglomerações industriais

identificadas no estado de São Paulo (informação verbal)3.

1.4 – Objetivos

1.4.1 – Objetivo Principal

Analisar o impacto que a localização em aglomerações industriais possui

sobre o desempenho econômico das firmas. O desempenho será avaliado em

função de medidas relacionadas ao conceito de Valor Adicionado.

1.4.2 – Objetivo Secundário

Levantar fatores, além daqueles relacionados ao efeito da aglomeração, que podem

explicar a diferença no desempenho das firmas analisadas.

1.5 – Organização do Trabalho

Em conjunto com esta Introdução, o trabalho está dividido em seis capítulos.

A revisão da teoria foi distribuída entre os capítulos 2 e 3, com a finalidade de

separar os estudos mais tradicionais sobre a aglomeração industriais dos mais

recentes. Esta revisão foi construída a partir dos principais influenciadores desta

literatura: Alfred Marshall, Paul Krugman e Michael Porter.

3 Notícia fornecida por Luigi Giavina-Bianchi, secretário executivo de desenvolvimento econômico do estado de São Paulo, durante o seminário de Microeconomics of Competitiveness, realizado pela Harvard Business School e a FGV-EAESP, em São Paulo, em novembro de 2004.

26

O capítulo dois apresenta o conceito de distrito industrial, formador dos principais

conceitos de aglomeração industrial hoje utilizados. Neste capítulo, a noção distrito

industrial será abordada desde a sua concepção por Alfred Marshall até os estudos

mais contemporâneos sobre esta forma de aglomeração, concentrados, em sua

maioria, nas mãos de autores europeus e de origem italiana.

Ainda dentro da revisão teórica, o capítulo 3 trata dos estudos recentes mais

influentes dentro desta literatura, cujas principais figuras são os economistas Paul

Krugman e Michael Porter. O primeiro, conhecido como um dos “pais” da Nova

Geografia Econômica, dá um enfoque mais econômico à análise de aglomerações

industriais via construção de modelos. Já o segundo enfoca a questão da

importância dos clusters dentro do contexto de intensa competição em que as

nações estão inseridas.

Terminada a revisão bibliográfica, surge o capítulo quatro, onde a metodologia

utilizada em nossa investigação é apresentada.

O capítulo 5 apresenta os resultados a Pesquisa Exploratória.

Por fim, o capítulo 6 contém as conclusões do estudo, suas implicações gerenciais e

acadêmicas, limitações e sugestões para pesquisas futuras.

27

CAPÍTULO 2 - OS DISTRITOS INDUSTRIAIS: DE MARSHALL AOS TEMPOS

MODERNOS

Explorar a noção de distritos industriais implica abordar, mesmo que de forma breve,

o contexto histórico no qual as pequenas e médias empresas estão imersas e o

papel que estas possuem na estrutura do sistema de produção como um todo. Com

o objetivo de introduzir ao tema principal deste capítulo, o item a seguir visa

demonstrar como estas organizações estão intrinsecamente associadas aos distritos

industriais, conceito-base para os estudos mais atuais sobre aglomerações

industriais.

2.1 – Introdução: As Pequenas Empresas e o Desafio à Lógica do Dualismo

Industrial

Ao longo da história industrial moderna, diversos observadores têm se

impressionado com a “persistência” das pequenas empresas no cenário

macroeconômico, apesar das constantes previsões do desaparecimento destas.

Várias tentativas para explicar tal fenômeno foram feitas e, dentre elas, uma das

mais discutidas se refere à teoria do dualismo industrial. O tema central desta teoria

é que uma segunda forma de produção está inerente à lógica da produção em

massa. De forma resumida, o dualismo industrial afirma que um sistema econômico

regido pela produção em massa não pode ser composto somente por firmas que

seguem este regime, uma vez que os bens por elas produzidos não conseguem ser

especializados o suficiente para atender as suas próprias necessidades estruturais,

como, por exemplo, o maquinário de propósitos especiais que viabiliza a produção

em grandes quantidades. (PIORE e SABEL, 1984).

De acordo com a teoria do dualismo industrial, surgiria neste cenário a pequena

empresa, que passaria a produzir os bens especializados que possibilitariam a

produção em massa. Baseadas em um sistema produtivo considerado “artesanal”,

as pequenas e médias empresas são vistas, sob esta lógica, como um complemento

e uma necessidade deste modo de produção. (PIORE e SABEL, 1984).

28

Apesar de o modelo artesanal ser capaz de partilhar inovações geradas pela

produção em massa, o dualismo industrial não acredita que as pequenas e médias

empresas sejam capazes de gerar o fluxo de progresso tecnológico que marca a

sociedade industrial e dirige o crescimento econômico. Portanto, a produção em

massa é vista como a forma tecnologicamente dominante, e a produção

especializada, nas mãos das pequenas empresas, a sua subordinada. (PIORE e

SABEL, 1984).

No entanto, Piore e Sabel (1984), em sua obra mais influente, The Second Industrial

Divide: Possibilities for Prosperity (A Segunda Divisão Industrial: Possibilidades para

Prosperidade), afirmam que a teoria do dualismo industrial não faz justiça aos

famosos distritos industriais do século XIX, tais como o de seda em Lyon, cutelaria

em Sheffield, bens de algodão em Philadelphia, dentre muitos outros. As pequenas

e grandes firmas nestes distritos industriais apresentavam um comportamento

bastante atípico para a lógica do dualismo: enquanto as pequenas frequentemente

desenvolviam e exploravam novas tecnologias, as grandes, que desde o começo

utilizavam tecnologias sofisticadas, não produziam bens padronizados, típicos da

produção em massa. “O dinamismo tecnológico destas pequenas e grandes

empresas desafia a noção de que a produção artesanal é uma forma tradicional ou

subordinada de atividade econômica”. (PIORE e SABEL, 1984, p. 28, tradução

nossa).

2.2 – O Distrito Industrial: Conceitos e Características

A noção de distrito industrial e os primeiros estudos sobre a aglomeração geográfica

de indústrias estão diretamente relacionados ao economista britânico Alfred

Marshall. Em sua obra mais influente, Principles of Economics, Marshall estudou as

economias geradas pela localização de uma indústria em uma mesma região ou

localidade particular, demonstrando que uma população de pequenas firmas

concentradas geograficamente, especializadas em diferentes fases da produção e

que encontram seu próprio suprimento de trabalho em um mercado local poderia

desfrutar da maioria das vantagens da produção em larga escala aproveitadas pelas

grandes empresas. (BECATTINI, 1991).

29

Marshall (1985) se dedicou com maior ênfase ao fenômeno da concentração

industrial de alguns setores da economia britânica, mais notadamente as indústrias

têxteis localizadas em Lancashire e as de cutelaria em Sheffield, e observou que as

firmas destas indústrias, independente do porte que possuíam, desfrutavam de uma

vantagem competitiva em relação àquelas fora dos distritos industriais. As firmas

localizadas nestes distritos, por exemplo, economizavam mais em maquinário e

mão-de-obra e possuíam melhor capacidade de melhoria e inovação do que as

firmas não pertencentes à aglomeração.

De forma simples, Marshall (1985) retrata os distritos industriais como um conjunto

de pequenas firmas aglomeradas geograficamente que, em conjunto com as

grandes, são capazes de intensificar a divisão do trabalho e o crescimento. Esta

definição, apesar de pioneira, não é capaz de representar todo o significado que

autores mais contemporâneos atribuíram aos distritos industriais. Observa-se que tal

conceito evoluiu ao longo do tempo para acomodar a crescente complexidade das

atividades industriais. (PIETROBELLI e BARRERA, 2002). Talvez a definição de

Becattini4 (1992) apud Corolleur e Courlet (2003) reflita melhor o significado atribuído

aos distritos industriais por estudos mais recentes. Este autor os define como:

Uma concentração de pequenas e médias empresas envolvidas em processos de produção interdependentes, geralmente de uma mesma indústria ou segmento de indústria, que estão localizadas proximamente e estão imersas em estruturas institucionais locais que suportam um mix dinâmico de cooperação e competição. (BECATTINI, 1992 apud COROLLEUR e COURLET, 2003, p. 299, tradução nossa).

Dando um enfoque maior à questão das relações sociais, um tópico presente de

forma constante na literatura sobre distritos industriais, Sforzi (2002, p. 442, tradução

nossa, grifo do autor) define os distritos industriais como “um sistema local

caracterizado pela co-presença ativa de uma comunidade humana e uma indústria

dominante, constituída por um conjunto de pequenas firmas independentes,

especializadas em diferentes fases do mesmo processo de produção”. Esta co-

4 BECATTINI, G. Le district marshallien: une notion socio-économique, apud BENKO, G. B.; LIPIETZ, A.. Les régions qui gagnent. Districts et réseaux: les nouveaux paradigmes de la géographie économique, Paris: PUF, p. 35–55, 1992.

30

presença ativa consiste no fato de que a sociedade local tem grande influência na

organização da produção que se origina da cultura social da comunidade. Segundo

Sforzi (2002):

Um sistema de valores e normas – dominado por um espírito de iniciativa e amplamente refletido nos principais aspectos da vida, tais como trabalho, economias, atitudes quanto à incerteza – produz um ambiente cultural favorável ao empreendimento econômico, influenciando as relações industriais e as atividades do governo local e da administração. A propensão marcante de indivíduos e famílias de serem auto-empregados – refletida em ofícios em casa, artesanato e pequeno empreendedorismo – favorece a formação e difusão de habilidades organizacionais, criatividade, pragmatismo e habilidades individuais e grupais. (SFORZI, 2002, p. 442, tradução nossa).

Conforme assinala Molina-Morales (2002), os seguintes elementos caracterizam os

distritos industriais: (1) uma população de firmas que trabalha em conjunto e é

suportada por instituições públicas e privadas, (2) a existência de uma comunidade

de pessoas onde os membros partilham um sentimento de pertencimento ou de

identidade comum, assim como um sistema de crenças e valores que agem como

inibidor do comportamento individual e (3) a existência de uma atmosfera industrial,

referindo-se aos fluxos de experiências, informações e conhecimento existentes no

ambiente.

No entanto, os distritos industriais da época da Marshall, de acordo com Piore e

Sabel (1984), eram definidos por outras três características mutuamente

dependentes que ainda parecem se aplicar à atualidade. A primeira eram suas

relações com o mercado: os distritos produziam uma ampla gama de produtos

para mercados altamente diferenciados e alteravam constantemente as

configurações dos bens produzidos, a fim de ajustar-se às mudanças de preferência

ou mudar as preferências dos consumidores. Intrinsecamente ligadas a esta relação

com o mercado, o uso flexível de uma tecnologia amplamente aplicável e

crescentemente produtiva, assim como a criação de instituições regionais, que

balanceavam a cooperação e a competição entre as firmas e encorajavam a

inovação permanente, fechavam a tríade que tornava os distritos industriais da

Europa do século XIX tão especiais.

31

Historicamente, os distritos industriais não representam apenas uma contraposição à

equivocada idéia de subserviência das pequenas firmas às grandes. Como veremos

adiante em maiores detalhes, eles também foram marcados pelo modo de produção

que ficou conhecido como “especialização flexível”, cuja noção foi utilizada para

denotar uma transição fundamental de métodos de produção padronizados para

processos produtivos mais flexíveis e novas formas de organização, caracterizadas

pelas redes locais de relações sociais. A especialização flexível diminuiu a distância

competitiva entre grandes e pequenas empresas e permitiu que estas entrassem em

novos e tradicionais nichos do mercado. (BOSCHMA E LAMBOOY, 2002). Portanto,

além de não serem subordinadas às grandes, as pequenas firmas dos distritos

demonstraram-se capazes de competir diretamente com suas contrapartes mais

robustas.

2.3 – O Processo de Formação dos Distritos Industriais

De acordo com Marshall (1985), a produção de alguns artigos delicados e custosos

tem sido localizada desde as etapas mais primitivas da civilização. A razão para este

fenômeno, pelo menos na antiga Europa, estaria relacionada às condições físicas

(natureza do clima, solo, existência de minas etc.), ao patrocínio de cortes e a alguns

dirigentes que deliberadamente traziam para suas proximidades artesãos residentes

em outras regiões. Todavia, como veremos a seguir, os motivos que levaram ao

surgimento de aglomerações nos tempos antigos pouca ou nenhuma relação

possuem com os fatores que ocasionaram a formação dos distritos industriais a

partir da primeira revolução industrial. Pode se dizer que as explicações se tornaram

mais complexas e difíceis de identificar.

Meyer (1998) afirma que os estudos sobre a formação dos distritos industriais

deparam-se com dois dilemas. O primeiro, no nível pragmático, diz respeito à falta

de evidências sobre os estágios iniciais dos distritos: o autor afirma que os

participantes destas aglomerações raramente conservam registros históricos e a

maior parte das evidências pertence às firmas que obtiveram sucesso,

permanecendo obscuras as razões para a falência das “perdedoras”. O segundo

dilema pertence ao nível analítico e conceitual: as explicações propostas para a

formação dos distritos tendem a ser muito simplificadas, evitando cair em maiores

32

detalhes sobre este processo. De qualquer forma, ofereceremos aqui, baseados na

literatura consultada, um pequeno “arranhão” sobre o processo de formação,

consolidação e desenvolvimento dos distritos industriais.

Nos escritos sobre os distritos industriais pode ser encontrada, entre obras diversas,

uma série de fatores que explicam o quê ocasiona a formação e o desenvolvimento

deste fenômeno. Dentre estes, o empreendedorismo se apresenta como um dos

mais citados. Conforme Dei Otatti (2002), a maioria das firmas nos distritos

industriais surge da aspiração natural por melhorias econômicas e sociais de

indivíduos que possuem ou o conhecimento de comércio, ou o de produção,

geralmente adquiridos dentro do próprio distrito.

A perspectiva um pouco romantizada de Dei Otatti, em ressonância com a de outros

autores, contrapõe-se a de Meyer (1998), que, ao estudar as condições que levaram

à formação dos distritos industriais de armas de fogo e maquinário têxtil entre 1790 e

1820 na Nova Inglaterra, estado da costa leste dos Estados Unidos, demonstra a

importância de algumas condições iniciais, tais como os níveis gerais de educação e

capacitação da região, uma população próspera conjugada com uma economia

crescente e, de modo mais enfático, uma rede de relações sociais (networks) que

difundem informações e dão suporte a projetos cooperativos.

Um fato interessante em relação à formação dos distritos industriais, salientado por

Corolleur e Courlet (2003), é o fato de que estes podem surgir de formas muito

distintas. Observando o período anterior à emergência de alguns distritos, estes

autores demonstraram que o surgimento destes não é uniforme, ou seja, as

condições que permitem a formação dos distritos industriais variam de uma área

geográfica para outra. Por exemplo, enquanto um dos distritos analisados surgiu

após um longo e difuso processo de industrialização, outro se originou da

preexistência de grandes companhias que introduziam inovações e determinavam a

distribuição e localização da produção pelo território.

Dei Otatti (2002) salienta que no estágio de formação, as firmas localizadas nos

distritos industriais costumam possuir altas taxas de mortalidade, causadas pela

ausência de fontes de financiamento que permitam a continuidade do negócio. A

33

partir do momento em que estas conseguem um volume substancial de capital para

financiar as suas atividades, assim como construir sua imagem, os distritos podem

se consolidar de duas formas: através do desenvolvimento e aumento do

conhecimento especializado ou através da seleção cuidadosa de firmas com as

quais serão estabelecidas relações de intercâmbio recorrentes. O objetivo desta

seleção é se relacionar com firmas especializadas que produzam bens que, de

alguma forma, sejam diferentes (em qualidade, inovação ou serviço) daqueles de

seus competidores.

Os fatores que levam à formação dos distritos industriais, contudo, não devem ser

os únicos a serem analisados, devem-se considerar também aqueles que levam à

contínua concentração e desenvolvimento das firmas nestes locais. (WHITFORD,

2001). Neste aspecto, os motivos expostos por Marshall para a localização das

firmas em um distrito industrial também são de grande valia para explicar porque as

firmas tendem a se concentrar e progredir nestes locais. Para Marshall (1985), as

razões para a localização das firmas nos distritos estariam relacionadas às (1)

vantagens da aptidão hereditária, à (2) existência de um mercado especializado para

mão-de-obra e ao (3) surgimento de indústrias subsidiárias e maquinário

especializado, explicados em maiores detalhes a seguir. Apesar de Meyer (1998)

afirmar que estas razões proporcionam uma resposta limitada à formação do distrito,

as razões de Marshall ainda hoje influenciam fortemente a literatura sobre o assunto.

2.3.1 - Aptidão hereditária

Para Marshall (1985), a partir do momento uma indústria escolhe uma localidade

para se fixar e aí permanece por longo espaço de tempo, seus segredos de

profissão perderiam a confidencialidade, ficando disponíveis para toda a mão-de-

obra presente na região, que os adotam e os aperfeiçoam continuamente. Nas

palavras do próprio autor:

Os segredos da profissão deixam de ser segredos, e, por assim dizer, ficam soltos no ar, de modo que as crianças5 absorvem inconscientemente grande número deles. Aprecia-se devidamente um trabalho bem feito,

5 Imagina-se que, devido a um erro de tradução, Marshall se referia aos filhos, e não às crianças, dado que ambas as palavras na língua inglesa podem ser representadas pelo termo children.

34

discutem-se imediatamente os méritos de inventos e melhorias na maquinaria, nos métodos e na organização geral da empresa. Se um lança uma nova idéia, ela é imediatamente adotada por outros, que a combinam com sugestões próprias e, assim, essa idéia se torna uma fonte de outras idéias novas. (MARSHALL, 1985, p. 234, grifo nosso).

Observa-se que Marshall (1985) se refere a um modelo de aprendizado relacionado

“à experiência direta que não é codificável através de artefatos”. (HOWELLS, 2002,

p. 872, tradução nossa). De acordo com Boschma e Lambooy (2002), o

conhecimento nos distritos industriais não é transferido somente através do meio

explícito, ou seja, através do conhecimento que pode ser rotinizado, codificado e

formalizado, mas principalmente através do conhecimento implícito ou tácito, que

é frequentemente pessoal, o que o torna difícil de ser comunicado para indivíduos e

firmas de fora do distrito. O conhecimento tácito se constitui em um “tipo de bem

público gratuitamente disponível para os membros do distrito, mas praticamente

inacessível para sujeitos externos, exceto após um longo período de aprendizado”.

(DEI OTATTI, 2002, p. 455). Ele representa o know-how adquirido através da prática

informal de comportamentos e procedimentos aprendidos associados à intuição

científica ou ao desenvolvimento de um conhecimento artesanal dentro das

disciplinas científicas. (HOWELLS, 2002).

2.3.1.1 – Os spillovers tecnológicos

Verifica-se, portanto, que a localização geográfica, além de proporcionar um

diferencial competitivo no que diz respeito à retenção de conhecimento tácito dentro

de suas fronteiras, favorece o maior fluxo de informações e conhecimento entre as

firmas, o que acaba gerando um impulso tecnológico e inovador conhecido como o

deselegante termo – conforme adjetivo conferido por Hakanson (2004) –

technological spillovers6. Estes spillovers dão surgimento a economias dinâmicas de

aprendizado, possibilitando que as firmas em certas regiões mantenham e explorem

vantagens tecnológicas que são insensíveis às mudanças ou diferenças nos custos

dos fatores. (HAKANSON, 2004).

6 A tradução mais palatável para a palavra spillover, dentre as opções disponíveis em Webster´s (1991), seria “abundância”. Hakanson (2004) parece estar correto em classificar tal termo como deselegante.

35

Conforme Feser (2002), os spillovers tecnológicos receberam atenção considerável

na literatura de distritos industriais. Este conceito, todavia, não se aplica somente ao

conhecimento tácito – definido por este autor como um spillover imóvel – aplicando-

se também à variedade conhecida como conhecimento móvel. O conceito de

spillover tecnológico móvel captura o progresso tecnológico generalizado que ocorre

através do tempo e em uma escala global. Algumas inovações e descobertas

tecnológicas, assim como o aprendizado, podem impactar em toda uma indústria ou

ser difundidas tão rapidamente que são consideradas como móveis em qualquer

período de estudo.

Já o conhecimento imóvel ou localizado é o tipo de conhecimento que não é

difundido rapidamente pelo espaço, devido a sua natureza tácita ou não codificada.

Esta categoria de spillover, conforme Feser (2002), tende a ser mais forte em

regiões com altas taxas de inovação e criação de conhecimento. As plantas

localizadas no meio destas regiões inovadoras, segundo o autor, tendem a se tornar

mais produtivas à medida que aprendem mais rapidamente com as manufaturas

vizinhas e se apropriam dos efeitos externos das pesquisas públicas e privadas e

das atividades de desenvolvimento.

Audretsch e Feldman (1996) argumentam que pode haver fronteiras geográficas

para os fluxos de informação ou os spillovers (particularmente o conhecimento

tácito) entre as firmas. Apesar do custo de transmissão de informação poder ser

invariável em relação à distância, o custo de transmitir conhecimento,

presumivelmente, aumenta com a distância. “Ou seja, proximidade e localização

importam”. (AUDRETSCH e FELDMAN, 1996, p. 630, tradução nossa).

Mais recentemente, uma série de teorias passou a colocar ênfase no aprendizado

por meio de novas tecnologias baseadas nas habilidades e trabalho locais, assim

como na confiança e nos relacionamentos pessoais. Conceitos como “aprendizado

coletivo” e innovative millieux foram empregados para descrever este ambiente local

de inovação onde os processos de criação de conhecimento e sua difusão surgem

como inovações. (MOLINA-MORALES, 2002).

36

2.3.2 - Mercado local para mão-de-obra especializada

Pela visão de Marshall (1985), através da concentração de indústrias em um mesmo

local, gerar-se-ia um mercado conjunto para trabalhadores com habilidades

especializadas, beneficiando tanto estes quanto as firmas. Enquanto as firmas

estariam dispostas a recorrer a qualquer lugar possuidor de operários dotados da

habilidade especial de que necessitavam, todo indivíduo à procura de trabalho se

dirigiria aos lugares em que há muitos patrões à procura de operários dotados da

habilidade.

A disponibilidade de uma força de trabalho adequada é um dos principais

determinantes da decisão de localização nos distritos industriais, vista também como

um dos fatores cruciais para o sucesso destas aglomerações regionais. Os

empregados são completamente imóveis se comparados com outros fatores de

produção. Contudo, a força trabalhadora das firmas não é o único capital humano

necessário aos distritos. Os indivíduos ligados às instituições acadêmicas, tais como

universidades e outras instituições de pesquisa, desempenham um importante papel

no desenvolvimento local. Em primeiro lugar, eles educam a força de trabalho e,

desta forma, criam o capital humano que pode ser utilizado pelas firmas; em

segundo lugar, eles são fonte de conhecimento e importantes parceiros de

cooperação para as firmas. (MOLINA-MORALES, 2001).

Molina-Morales (2001) ainda vai um pouco mais adiante e divide o capital humano

em dois tipos: o transferível e o não-transferível. O capital humano transferível é

baseado em conhecimento acadêmico e científico e pode ser obtido em escolas e

universidades, portanto, é conhecimento explícito e codificado, enquanto o capital

não-transferível é o acumulado na profissão, baseado na experiência e na melhoria,

dentre outros elementos. Baseada na origem e no potencial de transferência dos

recursos, a tabela 1, adaptada de Molina-Morales (2001), sistematiza algumas das

formas pelas quais o capital humano pode ser criado.

37

Transferíveis Não-Transferíveis

Recursos Internos

(Criados nas Firmas)

Seminários Internos

Informação Técnica

Treinamento Interno

Experiência Profissional

Conexão com

trabalhadores experientes

Recursos Externos

Acessíveis às Firmas

Escolas e

Universidades

Associações comerciais

Mercado

Firmas com base de

conhecimento semelhante

Conexões com instituições

de pesquisa

Canais de comunicação

informais

Quadro 1 – Meios de Criação do Capital Humano nos Distritos Industriais

FONTE: Adaptado de Molina-Morales (2001, p. 323).

2.3.3 - Surgimento de indústrias subsidiárias e maquinário especializado

A terceira razão para a localização das firmas em aglomerações estaria relacionada

ao surgimento de atividades subsidiárias, que fornecem à indústria principal

instrumentos e matérias-primas, organizam seu comércio e, por muitos meios, lhe

proporcionam economia de material. Ao mesmo tempo, as indústrias subsidiárias,

devotando-se cada uma a um pequeno ramo do processo da produção, poderiam

empregar continuamente máquinas muito especializadas, conseguindo utilizá-las

como uma grande fonte de rendas. (MARSHALL, 1985).

As firmas especializadas de um distrito industrial, estimuladas pela crescente

interdependência, acabam se conectando de forma próxima umas as outras, seja

através de terceirização das atividades, seja devido aos benefícios mútuos da

cooperação, tópico mais explorado adiante. Estas, por exemplo, podem estabelecer

relações verticais cooperativas para a formulação de desenhos técnicos de produtos

ou envolverem-se em formas de cooperação horizontais que incluem a provisão de

serviços comuns, tais como serviços de contabilidade, técnicos, moda, design e

marketing ou até mesmo a contratação de capacidade ociosa de empresas

concorrentes para cumprir seus pedidos. (YOU e WILKINSON, 1994).

38

2.4 – O Conceito de Externalidades

As razões que levam à formação, desenvolvimento e consolidação dos distritos

industriais demonstram, ainda que de forma implícita, que este modelo de

organização da indústria – considerado um sistema fechado auto-sustentável

(BENEDETTI, 1999) e que “contém dentro de si os fatores essenciais de sua própria

formação e desenvolvimento” (DEI OTATTI, 2002, p. 449, tradução nossa) – tende a

se envolver em um processo de auto-reforço. Dentro deste processo, o mecanismo

que o propele é um dos principais conceitos da literatura sobre aglomerações

industriais: as externalidades. Marshall (1985) observa que:

Muitas das economias na utilização de mão-de-obra e maquinaria especializadas, comumente consideradas peculiares aos estabelecimentos muito grandes, não dependem do tamanho das fábricas individuais. Algumas dependem do volume total da produção do mesmo gênero de fábricas na vizinhança; enquanto outras, especialmente as relacionadas com o adiantamento da ciência e o progresso das artes, dependem principalmente do volume global de produção em todo o mundo civilizado. (MARSHALL, 1985, p. 229).

A partir da independência observada por Marshall (1985) entre o tamanho das firmas

e a economia de escala obtida, este dividiu as economias derivadas de um aumento

da escala de produção em duas classes: a primeira, aquelas dependentes dos

recursos das empresas, do modo como são organizadas e das eficiências de suas

administrações; a segunda, aquelas dependentes do desenvolvimento geral da

indústria. À primeira classe Marshall deu o nome economias internas, uma vez que

são inerentes a cada firma; já a segunda, referente às economias que podem ser

frequentemente obtidas através da concentração de muitas pequenas firmas de

caráter similar em localidades particulares, foi denominada economias externas. Tal

modalidade de economia passou a ser também identificada na literatura como

“externalidades” e, em menor intensidade, economias marshallianas e economias de

aglomeração.

Krugman (1996), todavia, afirma que o significado que Marshall atribuiu às

economias externas, fortemente associado à questão das economias de escala, não

foi o mesmo atribuído por outros economistas anos mais tarde. Por volta das

décadas de 1940 e 1950, os economistas começaram a fazer uma clara distinção

39

não feita por Marshall entre os tipos de externalidades existentes. Scitovsky (1954)

talvez tenha sido uma das peças mais importantes no estabelecimento desta

distinção. De acordo com este autor, o rigor crescente do pensamento econômico e

a separação de diferentes frentes da teoria econômica levaram o conceito de

economias externas a se inserir em dois contextos completamente diferentes, o da

teoria do equilíbrio, que deu origem ao conceito de externalidades tecnológicas, e o

da teoria da industrialização em países subdesenvolvidos, que originou o termo

externalidades pecuniárias. Ambas as teorias serão brevemente explicadas nos

parágrafos abaixo.

A teoria do equilíbrio, conforme Scitovsky (1954), é uma teoria estática, preocupada

com as características do sistema econômico quando este se encontra em equilíbrio.

A maior parte de suas conclusões parte dos pressupostos de que há competição

perfeita em ambos os lados de qualquer mercado e de que há uma divisão perfeita

de todos os recursos e produtos. Tais pressupostos formam a base da principal

conclusão desta teoria: a de que o mercado é capaz de levar a uma situação de

ótimo econômico (ótimo de Pareto), uma vez que toda influência econômica de

pessoas ou firmas sobre o bem-estar de outros indivíduos ou sobre o lucro de outras

firmas é transmitida através de seu impacto nos preços de mercado.

Contudo, Scitovsky coloca uma grande ressalva à aplicação desta teoria quando se

verifica a interdependência entre os membros da economia. Nas palavras do próprio

autor:

O equilíbrio em uma economia perfeitamente competitiva é uma situação de ótimo de Pareto exceto quando há uma interdependência entre os membros da economia que seja direta, no sentido de que ela não opera através do mecanismo de mercado. Na teoria do equilíbrio geral, então, a interdependência direta é o vilão e a causa de conflito entre o lucro privado e o benefício social. (SCITOVSKY, 1954, p. 144, tradução nossa, grifo nosso).

Entre as quatro formas de interdependência direta abordadas por Scitovsky (1954),

aquela em que o output do produtor individual pode depender não somente do input

dos seus recursos produtivos, mas também das atividades de outras firmas, gera as

chamadas economias externas tecnológicas. O intercâmbio de informações citado

40

por Marshall (1985), que ocorre quando as firmas estão reunidas em uma mesma

aglomeração industrial, por exemplo, é uma forma de economia externa tecnológica.

Krugman (1996), referindo-se às economias externas tecnológicas como um

spillover puro, afirma que em um ambiente marcado pela competição perfeita,

apenas os spillovers tecnológicos importariam. Contudo, de acordo com Scitovsky

(1954), vários economistas em sua época já possuíam ressalvas em relação às

conclusões da teoria do equilíbrio geral, cuja principal limitação apontada era o

pressuposto da concorrência perfeita. Como alternativa, outro campo no qual as

economias externas passaram a ser exploradas, conforme este autor, foi o da teoria

da industrialização em países subdesenvolvidos.

Pela perspectiva desta outra teoria, a definição de economia externa não leva em

consideração apenas o aspecto da interdependência direta (não mediada pelo

mercado) entre os produtores, mas também a interdependência entre os produtores

através do mecanismo do mercado. “Este último tipo de interdependência pode ser

chamado de economias externas pecuniárias, para distingui-lo das economias

externas tecnológicas da interdependência direta.” (SCITOVSKY, 1954, p. 146,

tradução nossa, grifo nosso). Desta forma, a capacidade de um mercado local de

possuir fornecedores de insumos intermediários eficientes em escala e a existência

de um denso mercado de trabalho, fatores de concentração das firmas citados por

Marshall, constituem-se me fontes de externalidades pecuniárias citadas por

Krugman (1996).

Com diversos campos da literatura explorando a influência das externalidades

regionais na localização e no crescimento da indústria, conforme observado por

Ketelhohn (2002), era inevitável que a diferenciação das economias externas entre

pecuniárias e tecnológicas fosse aperfeiçoada e expandida. Com o tempo, a

classificação tornou-se mais complexa e abrangente, passando ambas as

modalidades a serem conhecidas na literatura como externalidades estáticas e

externalidades dinâmicas também, cada uma com suas respectivas subdivisões,

exploradas abaixo.

41

2.4.1 – As Externalidades Estáticas

As externalidades estáticas nada mais são que as externalidades pecuniárias

associadas com eficiências de custo, já exploradas no parágrafo anterior. Contudo,

esta modalidade passou a ser dividida em dois tipos: as economias de localização,

das quais uma firma se beneficia através da localização de uma indústria específica

em uma região, e as economias de urbanização, das quais uma firma se beneficia

da escala e diversidade urbana local. O foco de uma indústria em obter um destes

dois tipos de economia é preponderante na escolha de localização de suas firmas.

Desta forma, caso as economias de localização sejam mais importantes para uma

indústria, as firmas tenderão a se localizar em cidades especializadas na produção

(por exemplo) de têxteis, vestuário, metais primários, equipamento de transporte,

dentre outros. Já na situação em que as firmas de uma indústria enfoquem as

economias de urbanização, estas irão buscar cidades diversificadas de maior porte,

como é o caso da indústria de alta moda, publicações e muitos serviços sujeitos a

estas economias, que são geralmente encontradas em grandes áreas

metropolitanas. (HENDERSON, KUNCORO e TURNER, 1995).

2.4.2 – As Externalidades Dinâmicas

Glaeser et al (1992) observam que as externalidades estáticas, apesar de possuírem

uma forte influência sobre a questão da localização de uma indústria, não são

capazes de afetar ou influenciar o crescimento da mesma. Neste aspecto, as

externalidades dinâmicas se diferenciam destas, pois, além de conseguirem

influenciar também a localização, seus efeitos mais importantes recaem sobre a

questão da inovação e do crescimento na indústria. (KETELHOHN, 2002). Conforme

Henderson, Kuncoro e Turner (1995), as externalidades dinâmicas possuem

implicações mais amplas no que concerne ao desenvolvimento industrial através do

tempo, proporcionando uma explicação para a localização e crescimento tanto de

indústrias mais maduras quanto daquelas mais recentes, como a de tecnologia da

informação.

Conforme Henderson, Kuncoro e Turner (1995), as externalidades dinâmicas lidam

com a acumulação de informações sobre a produtividade e o emprego de uma

42

determinada região. Estes acúmulos são incentivados por um histórico de interações

e relacionamentos cultivados no longo prazo, que levam à construção gradual de um

conhecimento disponível somente para as firmas (pertencentes ou não a uma

mesma indústria) localizadas em uma região específica.

Assim como suas contrapartes estáticas, as externalidades dinâmicas foram dividas

também em duas classes bem distintas: as conhecidas como as externalidades

MAR (Marshall-Arrow-Romer7) e as externalidades de Jacob. Estas se diferem em

duas dimensões. Em primeiro lugar, elas divergem quanto às origens dos spillovers

de conhecimento, ou seja, se eles vêm de dentro da indústria ou são originários de

outras indústrias; segundo, elas divergem quanto às previsões de como a

competição local afeta o impacto destes spillovers sobre o crescimento. (GLAESER

et al, 1992).

As externalidades MAR possuem seu enfoque nos spillovers de conhecimento

gerados pelas firmas dentro de uma indústria. Esta perspectiva afirma que a

concentração de uma indústria em uma cidade promove a ocorrência destes

spillovers entre as firmas e, consequentemente, o crescimento tanto da indústria

quanto da cidade. Um bom exemplo destas externalidades pode ser verificado nas

firmas de chips de computador do Vale do Silício, nos Estados Unidos. Através de

espionagem, imitação e rápida movimentação de uma força de trabalho altamente

qualificada entre as firmas, as idéias são disseminadas rapidamente. Nos modelos

MAR de externalidades, algumas das idéias dos inovadores serão imitadas ou

melhoradas pelas empresas vizinhas sem necessariamente haver alguma

compensação por isso. (GLAESER et al, 1992).

Vale ressaltar aqui a teoria MAR não vê com bons olhos a rápida difusão, imitação e

melhoria do conhecimento existente nas aglomerações industriais. Esta afirma que

se os inovadores possuíssem o monopólio de suas idéias, o ritmo de inovação e

crescimento poderia ser maior. Portanto, sob a visão da teoria MAR, este processo

7 Tal modalidade possui este nome por incluir os principais autores que defendem ou defenderam este tipo de economia. Recomenda-se para maior aprofundamento desta teoria, além dos Princípios de Economia de Marshall, as seguintes leituras: ARROW, Kenneth J. The Economic Implications of Learning by Doing. Rev. Economic Studies, v. 29, p. 155-173, jun, 1962 e ROMER, Paul M. Increasing Returns and Long-Run Growth. J. P. E., v. 94, p. 1002-1037, oct. 1986.

43

de imitação e melhoria acaba inibindo de certa forma o crescimento das firmas

inovadoras nas aglomerações industriais. Por outro lado, as outras externalidades

existentes nestas mesmas aglomerações acabam promovendo o crescimento destas

firmas. Em outras palavras, “os modelos MAR sugerem que enquanto a competição

local é ruim para o crescimento, a concentração local é boa para o crescimento

porque os inovadores internalizam as externalidades”. (GLAESER et al, 1992, p.

1131, tradução nossa).

Glaeser et al (1992) deixam claro que Michael Porter, talvez o mais influente

estudiosos sobre as aglomerações industriais na atualidade, se alinha (guardadas

algumas ressalvas) com o conceito de externalidades MAR. Tanto as visões da

teoria MAR quanto a de Porter concordam que as externalidades tecnológicas mais

importantes ocorrem dentro da indústria e que a especialização regional é boa para

o crescimento tanto das indústrias especializadas quanto das cidades em que elas

estão localizadas.

A divergência primária entre as perspectivas da teoria MAR e de Porter recai

justamente sobre a questão do monopólio do conhecimento. Enquanto na teoria

MAR defende-se este monopólio, no modelo de Porter há um estímulo, acelerado

pela competição local, à imitação e melhoria das idéias do inovador. Apesar de esta

competição reduzir os retornos para o inovador, ela aumenta a pressão para inovar:

as firmas que não avançarem tecnologicamente serão ultrapassadas pelas firmas

inovadoras. O fundamento por trás da idéia de Porter é que “a competição impiedosa

entre os competidores locais leva à rápida adoção de inovações e melhorias, e,

desta forma, gera o crescimento da indústria”. (GLAESER et al. 1992, p. 1131,

tradução nossa).

A outra teoria, que enfatiza a questão dos spillovers de conhecimento, refere-se às

externalidades de Jacob ou às economias de urbanização de Jacob, que se deriva

de uma construção de conhecimento ou idéias associadas com a diversidade

histórica de indústrias. (HENDERSON, KUNCORO e TURNER, 1995). A idéia desta

teoria é que as mais importantes transferências de conhecimento vêm de fora da

indústria principal. Em outras palavras, a variedade e a diversidade de indústrias

próximas geograficamente, em vez da especialização geográfica, promovem a

44

inovação e o crescimento. O posicionamento de Jacob no que diz respeito à questão

do monopólio local do conhecimento versus competição local, todavia, está

firmemente estabelecido no lado da competição, chegando a afirmar que o

monopólio prejudica gratuitamente as cidades e suprime o que as suas economias

são capazes de alcançar. (GLAESER et al, 1992). Utilizando dados referentes ao

período de 1956 a 1987 de grandes indústrias localizadas em 170 cidades norte-

americanas, Glaeser et al. (1992) encontraram fortes evidências que sugerem que

importantes spillovers de conhecimento ocorrem entre as indústrias, consistente,

portanto, com a teoria de Jacob.

Posterior ao trabalho de Glaeser et al (1992), Henderson, Kuncoro e Turner (1995)

aprofundaram um pouco mais esta questão entre as externalidades MAR e as de

Jacob. Estes autores observaram o padrão de localização tanto de setores

industriais maduros quanto das novas indústrias de alta tecnologia e concluíram que

ambas possuem padrões de localização distintos. Enquanto as firmas de setores

maduros tendem a se localizar em cidades marcadas pela especialização regional

de uma indústria específica, as empresas de alta tecnologia colocam em segundo

plano a questão da especialização e preferem se localizar em cidades marcadas por

uma história de diversidade industrial. Em outras palavras, enquanto produtos de

novas indústrias são desenvolvidos em grandes áreas metropolitanas sujeitas às

economias de urbanização de Jacob, os setores maduros eventualmente se

descentralizam para áreas urbanas menores, porém mais especializadas e com

menores salários e custos de terra, sujeitas às externalidades MAR.

2.4.3 – As Externalidades em um Contexto Global e suas Contrapartes

Negativas

Conforme You e Wilkinson (1994), a proximidade das firmas de uma indústria em

particular proporciona oportunidades aos empreendedores de se especializarem e

para o distrito como um todo de assegurar as economias de escala negadas às

firmas isoladas, devido às restrições internas que estas possuem ao crescimento. As

pequenas e médias empresas imersas neste “mercado particular” ficam protegidas

das grandes firmas, que não são capazes de amortizar seus custos organizacionais

de produtos e serviços específicos. (COROLLEUR E COURLET, 2003).

45

Moulaert e Gallouj (1993), entretanto, alertam que a as firmas aglomeradas não são

capazes de monopolizar ou garantir na sua totalidade muitas das externalidades

das quais se aproveitam, principalmente no atual ambiente marcado por competição

global em diversas indústrias. Outras firmas competidoras não aglomeradas podem

obter os mesmos resultados de suas contrapartes aglomeradas através, por

exemplo, do estabelecimento de mercados globais, capazes de proporcionar

grandes economias de escala, e da formação de estratégias de produção e de

marketing baseadas em uma interação local-global, que combinam tanto a busca de

economias de escala e de escopo em proporções geográficas bem maiores do que

uma área urbana. Neste novo contexto, estes grandes espaços geográficos podem

ser ampliados à medida que os custos de comunicação e transação decrescem.

Dado o contexto de competição global, estes mesmos autores sugerem que as

externalidades econômicas não podem ser mais analisadas apenas sob o contexto

local, havendo, portanto, a necessidade de se explorar espaços geográficos

particularmente mais amplos. Sugere-se a perspectiva das “aglomerações em

networks globais” para melhor compreender a lógica de localização de muitas

indústrias. Moulaert e Gallouj (1993) sugerem ainda a busca por um maior

detalhamento sobre os fatores de localização das firmas industriais e de serviços

intensivas em conhecimento, que parecem obedecer a uma lógica de localização

distinta.

Assim como as economias externas explicadas neste tópico, ditas como positivas,

são capazes de impulsionar o desenvolvimento dos distritos industriais e tendem a

promover a concentração da produção (KRUGMAN, 1996), as externalidades

negativas observadas por Raco (1999), tais como os preços crescentes de terra e

salário, degradação ambiental, congestionamento, dentre outros elementos, podem

retirar das aglomerações a vantagem de escala que possuem e, desta forma,

interromper ou até mesmo inverter suas trajetórias de desenvolvimento, promovendo

a dispersão. Marshall, por exemplo, já alertava desde a sua época sobre as

externalidades negativas existentes nas grandes cidades, como é o caso dos

valores dos terrenos, exigindo-se “um preço muito mais elevado do que ele valeria

para uma fábrica”. (MARSHALL, 1985, p. 235). Todavia, nos restringiremos às

46

externalidades positivas e deixaremos as negativas para estudos posteriores que

possam ser desenvolvidos.

2.4.4 – Breves Comentários Acerca das Considerações Estratégicas da

Localização

Sob o ponto de vista estratégico, vale ressaltar neste ponto, mesmo que de forma

breve, que as firmas obviamente não levam em conta somente as economias

externas, sejam elas estáticas ou dinâmicas, no momento de optarem pela

localização em um distrito industrial. Conforme observam Corolleur e Courlet (2003),

os distritos industriais, além de estimularem a divisão do trabalho e o crescimento via

maior cooperação entre as firmas, são também uma forma institucional das firmas

reduzirem o nível de incerteza e a aumentarem a flexibilidade. Enquanto a

organização do distrito e as suas instituições formais (regras, leis etc.) e informais

(normas, costumes etc.) ajudam a reduzir a incerteza, as aglomerações de firmas e

trabalhadores são garantias de flexibilidade para as firmas. O uso de capacidade

subcontratada, por exemplo, proporciona às firmas do distrito uma margem de

segurança caso a apreciação da demanda pelo empreendedor seja errônea. Estes

autores afirmam ainda que nem sempre as firmas em um distrito aspiram participar

da intensificação da divisão do trabalho. O objetivo destas, em algumas ocasiões, é

beneficiar-se de uma garantia de flexibilidade (a garantia de encontrar insumos em

boas condições em termos de custo e nas quantidades e variedades necessárias).

Ainda em relação à incerteza, pode-se afirmar que a diversificação industrial também

é uma maneira de se reduzir este fator. No nível da aglomeração, Marshall (1985)

afirma que quanto mais diversificado e importante for o distrito, maior capacidade ele

terá para absorver choques externos de demanda.

Molina-Morales e Martinez-Fernandez (2003), por sua vez, demonstraram através de

uma pesquisa com mais de 350 firmas localizadas em distritos industriais espanhóis

que a superioridade das firmas localizadas nos distritos industriais em relação

àquelas não afiliadas não é explicada somente pelos fatores acima mencionados.

Estes autores observam que tais distritos, pertencentes a setores industriais

maduros ou tradicionais da economia espanhola, são capazes de proporcionar as

47

suas firmas maior reputação no que diz respeito à qualidade dos produtos, maior

capacidade de intercâmbio e combinação de recursos para criação de novos e

melhores produtos, assim como instituições mais eficientes no tocante à formação

de redes de relações sociais, disseminação de conhecimento e custos de pesquisa.

Estes três fatores, combinados, fazem com que as firmas pesquisadas obtenham

maior criação de valor líquido, medida pelos autores em termos de número de

inovações.

Os pontos acima expostos não são as únicas razões fora do campo das economias

externas que influenciam na localização de uma empresa. É importante ressaltar que

a escolha pela instalação em aglomerações industriais pode levar em consideração

uma série de outros fatores estratégicos não abordados aqui que podem possuir

uma forte influência nas decisões de localização das firmas de uma indústria.

2.5 – Divisão do Trabalho, Cooperação e Competição

Durante o desenvolvimento de sua teoria da organização industrial, Marshall utilizou

a noção de divisão do trabalho de Adam Smith como a fonte primária de progresso

econômico. Influenciado também pelas idéias da teoria evolucionária de Charles

Darwin, Marshall afirmava que na vida econômica, assim como em outros locais, a

luta pela sobrevivência através da seleção dos mais aptos depende de outros dois

fatores complementares: ampla diferenciação e coordenação mais sofisticada. (YOU

e WILKINSON, 1994). Nas palavras de You e Wilkinson, Marshall apregoava que:

O uso mais eficiente de recursos resulta de uma divisão do trabalho mais afinada e do desenvolvimento relacionado de habilidades, conhecimento e maquinários especializados. Contudo, como resultado desta maior subdivisão, as partes do sistema se tornam mutuamente dependentes e, portanto, necessariamente cooperativas. (YOU e WILKINSON, 1994, p. 261, tradução nossa).

Marshall confere uma grande ênfase à especialização e diferenciação do distrito

industrial. “Essa crescente subdivisão de funções, ou diferenciação, como é

chamada, manifesta-se com respeito à indústria sob diversas formas, tais como a

divisão do trabalho e o desenvolvimento da especialização da mão-de-obra, do

conhecimento e da maquinaria”. (MARSHALL, 1985, p. 212). Contudo, para manter

48

a crescente diferenciação e especialização, Marshall acreditava que a integração, ou

seja, “o aumento das relações e a firmeza das conexões entre as diferentes partes

de um organismo industrial” (MARSHALL, 1985, p. 212), era essencial à organização

industrial, pois o relacionamento entre firmas geograficamente próximas permitia que

estas se beneficiassem da produção industrial em larga escala e das inovações

tecnológicas e organizacionais. De modo semelhante, Dei Otatti (2002) afirma que o

alcance e a manutenção da vantagem competitiva do distrito industrial dependem da

colaboração entre as diferentes categorias de firmas que nele se encontram.

No entanto, na concepção de Marshall, enquanto a cooperação direcionada à

criação de conhecimento e inovação resultava em benefícios aos distritos industriais,

o que os dirigia e fazia “mover” era a competição. “Competição e cooperação [...]

tendem a se reproduzir em uma relação reciprocamente equilibrada, reproduzindo

desta forma as condições para a sobrevivência do distrito como um sistema sócio-

econômico viável e compacto”. (DEI OTATTI, 1994, p. 7, tradução nossa). You e

Wilkinson (1994) consideram a combinação de cooperação e competição a

característica mais distintiva das firmas dos distritos industriais e justamente o que

os torna viáveis. Segundo estes autores, enquanto os aspectos cooperativos entre

firmas ajudam a minimizar as desvantagens advindas do pequeno porte, os aspectos

competitivos, em conjunto com a especialização, conferem às pequenas empresas a

flexibilidade e o dinamismo frequentemente ausentes nas grandes.

Dei Otatti (1994) afirma que, tradicionalmente, os economistas têm dado atenção ao

processo de coordenação de diversas atividades, sejam elas geridas pelo mercado

competitivo e o mecanismo de preços relativos (a mão invisível de Adam Smith) ou

através da hierarquia, onde a coordenação da firma se apresenta através da “mão

visível” do empreendedor ou da gestão. Contudo, este autor observa que há uma

terceira alternativa para a coordenação de atividades especializadas: coordenação

através de cooperação mais ou menos formalizada entre as várias partes.

Richardson (1972), por sua vez, não procura classificar rigidamente a estrutura de

cooperação entre as firmas em duas ou três formas. Segundo este autor, não há

uma linha nítida de distinção entre os estilos de cooperação, mas sim um continuum

que vai do ponto onde a cooperação é mínima, assemelhando-se às transações

puras de mercado, passando por fases mais intermediárias onde há conexões mais

49

tradicionais e a questão da reputação, até o ponto onde se verifica a formação de

grupos e alianças, que representam uma cooperação completa e formalmente

desenvolvida.

A coordenação das atividades econômicas nos distritos industriais está fortemente

associada a relações horizontais e baseadas na confiança entre as firmas locais e

entre estas e as instituições, ou seja, mesmo havendo espaço para a formalização

das atividades entre as firmas, parte considerável da coordenação é realizada via

estabelecimento das redes de relações sociais ou networks. A base desta

coordenação é o pressuposto de que as firmas nos distritos possuem posições

semelhantes e que o acesso a recursos locais também é semelhante. Enquanto a

confiança garante a estas acesso mais fácil ao conhecimento, a proximidade facilita

a coordenação dos atores individuais e promove a institucionalização das regras

comportamentais e da transferência de conhecimento e aprendizado. A estrutura de

mercado resultante desta dinâmica permite que as firmas floresçam e até mesmo

compitam em mercados globais. (BOSCHMA E LAMBOOY, 2002).

Aparentemente, o grande determinante da estrutura da cooperação, ou seja, se ela

será formalizada ou não, não é primariamente o grau de confiança entre as partes,

mas o tipo de transação envolvida diante da possibilidade de um comportamento

oportunista por uma das partes. De acordo com Richardson (1972), a essência dos

arranjos cooperativos parece ser o fato de que as partes aceitam algum grau de

obrigação e, consequentemente, dão alguma garantia no que diz respeito às suas

futuras condutas, havendo certamente espaço para uma variação infinita no escopo

destas garantias e o grau de formalidade pelas quais são expressas. Apesar dos

participantes do distrito partilharem um “sistema de valores e crenças que age como

uma restrição ao comportamento individual” (MOLINA-MORALES e MARTÍNEZ-

FERNÁNDEZ, 2003, p. 158, tradução nossa), não há nenhuma garantia quanta à

durabilidade deste senso comunitário. Apesar da dificuldade de se controlar o

comportamento oportunista das firmas do distrito em relação àquelas fora dele,

verifica-se um profundo impacto negativo desta má conduta no resto das firmas do

distrito industrial como, por exemplo, a perda da reputação do distrito como um todo.

(MOLINA-MORALES e MARTINEZ-FERNANDES, 2003).

50

Para transações nas quais o comportamento oportunista dos parceiros não levará a

grandes perdas para quem está sujeito, basta apenas a cooperação informal para

sustentá-las. Este tipo de transação ocorre, por exemplo, quando os bens e serviços

são padronizados localmente ou quando a transação não requer um investimento

específico significativo. Baseada na informalidade, este tipo de cooperação só pode

ser alcançado quando seus costumes são observados por todos ou quase todos que

vivem e trabalham no distrito. Contudo, quanto mais um distrito se desenvolve –

aumento no número de firmas, intensificação da divisão do trabalho e maior abertura

do sistema produção em direção aos mercados externos – mais difícil se torna

garantir a conformidade com as regras da cooperação recíproca “normal” através do

exercício do controle social difuso. (DEI OTATTI, 1994).

Quanto às formas de cooperação de maior formalidade, Dei Otatti (1994, p. 3, grifo

do autor, tradução nossa) afirma que mesmo que a cooperação baseada nas

convenções locais assegure a coordenação para um grande número de transações,

“permanecem outros tipos de transações [...] que requerem uma coordenação

menos automática e mais consciente e construída”. Estas são do tipo que podem

levar a grandes perdas por uma das partes em função do comportamento

oportunista; ocorrem, por exemplo, quando a qualidade intrínseca dos produtos e

serviços intercambiados é fundamental ou quando as transações requerem um

investimento específico. (DEI OTATTI, 1994).

Outro tipo de transação que também requer uma estrutura de cooperação mais

formalizada é quando o bem ou serviço é inovador e uma série de firmas está

envolvida na realização do produto customizado. (DEI OTATTI, 1994). “Um dos

principais problemas para as firmas no contexto caracterizado pela cooperação e

competição diz respeito à proteção do conhecimento individual”. (MOLINA-

MORALES, 2002, p. 320, tradução nossa). Surge, portanto, a necessidade de

salvaguardas específicas que garantam que a qualidade do produto esteja conforme

o requerido, que a promessa de ordens repetidas seja mantida ou que a idéia

inovadora não será passada para os competidores. Para se estabelecer este tipo de

transação, a confiança é o primeiro pré-requisito, mas não é o suficiente para se

sustentá-la. (DEI OTATTI, 1994).

51

No que tange à competição nos distritos industriais, esta se encontra menos

relacionada ao conceito econômico de competição perfeita do que ao de competição

como um processo, baseada no comportamento dos agentes, que estimulam “uma

busca constante por algum tipo de vantagem que leva à mudança permanente”. (DEI

OTATTI, 1994, p. 5, tradução nossa). Seja tanto entre firmas de produtos

complementares quanto entre aquelas de produtos substitutos, a competição pode

se dar também através do mecanismo de preços. No entanto, este tipo de

competição pode reduzir os lucros das firmas a ponto de levá-las à falência,

particularmente aquelas que oferecem produtos de qualidade ou fizeram

investimentos na inovação. “A competição pelo preço [...] introduz conflitos e tensões

que podem constituir um sério obstáculo à manutenção da cooperação entre

indivíduos e firmas” (DEI OTATTI, 1994, p. 7, tradução nossa).

Os costumes locais e as normas de reciprocidade são úteis na prevenção de

competições baseadas no preço e de outros tipos de situações, mas não constituem

uma salvaguarda adequada para as firmas sujeitas a comportamentos oportunistas,

capazes de causar grandes danos. Neste caso, torna-se necessário o suporte de

instituições formais (associações industriais e de artesões, governo local, partidos

políticos etc.) que consigam conter a competição excessiva nos distritos industriais.

(DEI OTATTI, 1994). A melhor forma de competição, conforme Dei Otatti (1994)

estaria nas estratégias não relacionadas ao preço, sendo a principal delas a

inovação. Produtos de maior qualidade, prazos menores de entrega, nível de

assistência técnica superior, maior variedade de atividades disponíveis etc. são

também outros exemplos de competição não baseada no preço.

2.5.1 – Limites à Cooperação nos Distritos Industriais

De acordo com You e Wilkinson (1994), o mundo real está longe de funcionar dentro

do ideal de Adam Smith de que a cooperação efetiva leva à realização completa dos

ganhos comerciais. A existência de apenas um tipo de competição e a existência de

substitutos perfeitos para o que está sendo intercambiado, por exemplo, parecem

ser um dos pressupostos que não se encaixam às circunstâncias econômicas reais.

Estes autores apontam alguns fatores que limitam a competição e criam barreiras à

52

cooperação. Dentre eles, destacamos a existência de ativos específicos e a

assimetria de informação, detalhadas abaixo.

Em teoria, “a solução competitiva para a cooperação requer que haja um grande

número de substitutos perfeitos para os ativos [...] de modo que aqueles que

violarem os termos da cooperação sejam prontamente demitidos ou substituídos”.

(YOU e WILKINSON, 1994, p. 268, tradução nossa). Contudo, quando nos

deparamos novamente com o mundo imperfeito, verificamos que a existência de

ativos que são específicos a propósitos particulares enfraquece esta disciplina

competitiva, uma vez que o possuidor destes, independente de suas promessas

iniciais, pode agir de modo oportunista e angariar a totalidade dos lucros criados por

estes ativos. (YOU e WILKINSON, 1994).

Isto não impede, todavia, que haja cooperação, já que é improvável que a posse de

ativos específicos esteja toda de um lado só. Partes detentoras de ativos

necessários umas às outras podem entrar num relacionamento cooperativo e

partilhar os lucros resultantes desta parceria. Caso uma das partes tente exercer seu

poder de barganha de modo oportunista, a fim de obter maiores lucros da outra, a

relação será desfeita e, com ela, as oportunidades de lucros para ambos. (YOU e

WILKINSON, 1994).

A assimetria de informação, da mesma forma, enfraquece a disciplina competitiva

como mecanismo de reforço da cooperação entre as firmas. A parte do

relacionamento que possui mais informação pode tirar vantagem da outra e

trapacear, comprometendo desta forma a base da cooperação. “Acesso à

informação frequentemente se torna objeto de disputa e arma em uma barganha”.

(YOU e WILKINSON, 1994, p. 270, tradução nossa). Combinadas, assimetria de

informação e especificidade dos ativos dão surgimento ao problema do desequilíbrio

no intercâmbio. Este desequilíbrio cria a tentação nas partes mais fortes de explorar

seus poderes de barganha, o que pode impulsionar contra-respostas das partes

mais fracas, com conseqüências destrutivas para a cooperação. (YOU e

WILKINSON, 1994).

53

Sob circunstâncias em que as forças de competição de mercado falham em conduzir

a cooperação, alguma forma de solução institucional deve ser encontrada para

alcançá-la. O agente primário de condução é o Estado, mas as instituições privadas

e as normas sociais também são formas institucionais que são capazes de ajustar os

rumos do processo de cooperação dentro dos distritos industriais. A estrutura

institucional serve a quatro propósitos: criar um ambiente para a cooperação,

estabelecer procedimentos para a solução de disputas, impor sanções nos

transgressores e proporcionar uma estrutura de ajuste às mudanças ambientais

externa. (YOU e WILKINSON, 1994).

2.5.2 – Um Segundo Olhar sobre a Cooperação: a Crítica à Abordagem das

Networks

Quando se verifica o que há escrito sobre a literatura de competição e cooperação

nos distritos industriais, nota-se uma grande sensação de coesão e

interdependência entre as firmas que compõem os distritos industriais, ligadas por

fortes laços de identificação cultural e social e que, desta forma, promovem a cultura

de cooperação, competitividade e inovação dentro dos distritos. Contudo, há uma

crescente literatura que lança críticas sobre esta caracterização de “tipo ideal” dos

distritos industriais e suas “supostas bênçãos econômicas, tais como a natureza

localizada do aprendizado e a visão romântica de simetria de poder entre as firmas

que partilham o conhecimento”. (BOSCHMA e LAMBOOY, 2002, p. 299, tradução

nossa).

Uma extensa literatura sobre os distritos utiliza a perspectiva das redes de relações

sociais, ou networks – que podem ser definidas como um grupo de pessoas que

partilham um objetivo cultual, econômico, social ou político comum (PIETROBELLI e

BARRERA, 2002) – para explicar a dinâmica de cooperação e competição. Pilotti

(2000), por exemplo, descreve a região nordeste da economia italiana (mais

explorada nos tópicos a seguir) como uma network neural multinível, definida por ele

como “um sistema de múltiplos propósitos, orientado para a auto-coordenação e a

auto-aprendizagem.” (PILOTTI, 2000, p. 121, tradução nossa).

54

Tamanha aplicação do conceito de networks pode se justificar, entre diversas outras

razões, pelo fato de que “o padrão ou estrutura das relações sociais é determinante

significativo do destino do indivíduo” (PODOLNY e BARON, 1997, p. 689, tradução

nossa) e porque não dizer, das firmas. O crescente interesse nos distritos industriais

é parte de uma tendência na literatura econômica e sociológica em direção às redes

de cooperação e afiliação pelas quais as firmas estão inter-relacionadas. (YOU e

WILKINSON, 1994).

Atualmente, muitos estudos no campo da geografia econômica e dos estudos

regionais mencionam, no mínimo, o potencial das networks para a inovação e

desenvolvimento. Staber (2001) afirma que:

Em nenhum local esta atenção às networks é tão proeminente quanto na literatura de distritos industriais. As networks são vistas como uma importante característica definidora dos distritos industriais, unindo as firmas em um sistema coerente e inovador de contratos relacionais, desenvolvimento colaborativo de produtos e alianças inter-organizacionais. Toda a ação econômica nos distritos industriais está imersa em uma densa teia de laços de network entre indivíduos, firmas e organizações de serviços. (STABER, 2001, p. 537, tradução nossa).

Martin e Sunley (1996), de forma semelhante, afirmam que o interesse nas formas

de organização em network reflete uma preocupação geral em examinar as formas

nas quais as atividades econômicas estão imersas e são viabilizadas pelas

condições culturais e sociais, sendo este interesse na imersão (embeddedness) uma

contribuição distintiva à literatura de distritos industriais.

Contudo, o que deixa Staber (2001) surpreso com toda esta ênfase na abordagem

de networks é o fato de que alguns investigadores não se manifestam quanto à

“estrutura das redes que se imagina estimular a inovação dos negócios e o

desenvolvimento regional.” (STABER, 2001, p. 537, tradução nossa). Alguns

pesquisadores, de acordo com Staber (2001), aplicam em suas discussões sobre a

estrutura das networks um rígido determinismo causal, o que torna difícil a

elaboração de teorias acerca da mudança e inovação. Nohria e Ghoshal (1997), por

outro lado, afirmam que a perspectiva das networks permanece mais como uma

metáfora evocativa do que uma clara estrutura analítica, correndo “o risco de ser

55

tornar trivial ou aplicada de modo tão solto que deixará de significar algo”. (NOHRIA

e GHOSHAL, 1997, p. 11, tradução nossa).

Outro argumento central nesta literatura é de que as networks refletem

interdependências simbióticas entre as firmas e facilitam a rápida difusão de novas

informações e recursos críticos, chegando ao ponto em que a sobrevivência da firma

no distrito está fortemente relacionada aos esforços coletivos da comunidade ao

qual ela pertence. (STABER, 2001). Esta visão de integração de redes nos distritos

industriais é teoricamente indeterminada, porque ela deixa abertas as possibilidades

tanto de inércia quanto de mudança, ou seja, esta integração pode tanto encorajar

como retardar o processo de inovação. O uso, por parte de teóricos, de conceitos

tais como imersão social, senso de pertencimento e identidade coletiva forma

imagens de ordem e coesão que acabam reforçando esta visão. (STABER, 1998).

“Uma análise realista da flexibilidade dos distritos não deve enfatizar em excesso o

nível de coesão, mas deve reconhecer a possibilidade de conflito e desintegração”.

(STABER, 1998, p. 702, tradução nossa).

Outro problema na abordagem das networks, observado por Meyer (1998), diz

respeito ao seu enfoque. Este autor observa que a literatura sobre distritos

industriais enfatiza excessivamente as conexões entre os agentes dentro da

aglomeração, deixando de lado as possíveis conexões externas com outros

distritos existentes e outros autores localizados “do lado de fora”. O mesmo autor

afirma que diversos estudos apresentam evidências de que as networks não-locais

contribuem mais para a competitividade das firmas do que aglomerações locais, seja

a indústria “velha” ou de alta tecnologia, tal como a de computadores pessoais.

Ao realizar uma extensa análise nas revistas acadêmicas de língua inglesa mais

influentes no campo dos distritos industriais, publicadas entre os anos de 1989 e

1998, Staber (2001) apontou as seguintes falhas nas análises dos distritos:

1. A utilização de uma perspectiva diádica para compreender as relações entre

as firmas e os seus resultados, o que acabava por ignorar o contexto

estrutural mais amplo para a cooperação e competição entre as firmas;

56

2. uma ambigüidade considerável na discussão da estrutura da network entre as

firmas. Os pesquisadores, por exemplo, afirmam implicitamente que as

networks de sucesso são densas, mas atribuem diversos significados ao

conceito de densidade, tais como presença de conexões, intensidade das

relações, medidas das extensões dos laços entre os membros da network,

dentre outros;

3. a maioria dos investigadores considera os distritos industriais de alto

desempenho aqueles com networks densas, mas geralmente não examinam

empiricamente a relação presumida entre densidade da network e

desempenho.

Verificados estes fatores, Staber (2001) concluiu que os estudos empíricos dos

distritos industriais tendem a ser mais descritivos do que analíticos, não

considerando a forma como a relação entre as firmas afeta o intercâmbio econômico

e com quais conseqüências. Tal fato impede que a pesquisa crítica também

proporcione insights quanto aos mecanismos causais e processos em

funcionamento. “O fato de que, em alguns casos, as firmas se localizam próximas

umas às outras não implica que elas cooperem ou que a cooperação, quando ela

existe, é causada pela co-localização”. (STABER, 2001, p. 543).

2.6 – A Derrocada e o Renascimento dos Distritos Industriais: O Caso da

Terceira Itália

O fim da segunda guerra mundial parecia haver marcado também o fim dos distritos

industriais. A transição de um mercado caracterizado pela produção artesanal para

um mercado de consumo em massa no pós-guerra, acompanhada da codificação do

conhecimento que a mecanização passou a trazer consigo, isolou o papel dos

distritos industriais e consolidou as grandes corporações e a internalização de suas

atividades. Em outras palavras, a divisão do trabalho entre as diversas pequenas

empresas, uma das características principais dos distritos industriais, passou a ser

centralizada pela figura da grande empresa ou empreendedor. Combinadas com

estes fatores, as políticas industriais implantadas pelos governos nacionais

57

reforçaram o confinamento dos distritos industriais e beneficiaram ainda mais as

firmas de grande porte. (COROLLEUR E COURLET, 2003).

Piore e Sabel (1984) enfatizam que após a segunda grande guerra, diversos

governos nacionais, atendendo à fórmula reinante naquela época para o

desenvolvimento econômico, encorajaram a conversão das firmas para a produção

em massa. Outras firmas, independente do apoio do Estado, decidiram converter

para o novo modelo de produção ao custo de mudarem de modo permanente suas

estruturas e ambiente.

Todos estes fatores levaram à decadência e ao gradual desaparecimento dos

distritos industriais tradicionais, inclusive aqueles utilizados como modelos por

Marshall em Principles of Economics. Este antigo modo de organização industrial

não parecia mais se encaixar às exigências do novo modelo econômico.

Tal fato parecia de certa forma corroborar a visão de muitos economistas industriais,

que acreditavam amplamente na organização da economia internacional de maneira

racional, definida pelas economias capitalistas líderes e imitada pelas economias

periféricas ou menos competitivas. As grandes corporações, combinadas com o

capital e a ciência, eram vistas como os motores deste sistema. Caberia a elas ditar

a fronteira tecnológica, enquanto o resto do mundo, mais cedo ou mais tarde,

assimilaria as inovações por elas criadas. (BELLANDI, 2002).

Contudo, a partir da década de 1970, acadêmicos e estudiosos passaram a observar

uma série de “surpresas” macro-econômicas que estavam redefinindo a história da

indústria italiana no pós-guerra: (a) uma reversão na tendência de aumento de

tamanho das plantas industriais, (b) a vitalidade de alguns setores manufatureiros

maduros da economia, tais como têxteis, roupas, sapatos, móveis, cerâmicas etc.,

(c) uma forte dinâmica industrial da região conhecida como NEC (North East Center)

acompanhada de (d) uma piora no desempenho das áreas no Triângulo Industrial

(Milão-Gênova-Turim), formadas por grandes corporações. (BELLANDI, 2002).

Em muitas das áreas industriais da região do NEC, o crescimento econômico se

consolidou em torno de firmas de pequeno e médio porte, altamente especializadas

58

e baseadas em uma intensa, porém local, divisão do trabalho. No geral, a

dependência contínua destas firmas em relação à demanda e às grandes

corporações não era aparente. Nos anos 1970, muitas delas estavam utilizando

maquinário moderno e especializado e vendendo seus produtos não somente para o

mercado nacional, mas também para o exterior. Além disso, as áreas de maior

dinamismo na região do NEC eram caracterizadas pela dedicação a um único tipo

de produto, tais como as indústrias de cerâmica em Sassuolo, as têxteis em Prato,

dentre outras. (BELLANDI, 2002). Ao fenômeno do surgimento nesta região de

muitas pequenas e médias empresas caracterizadas pelo dinamismo,

competitividade e inovação deu-se o nome de Terceira Itália, termo que veio

contrastar diretamente com a dicotomia norte-sul (norte rico, industrializado,

desenvolvido, conhecido como economia central versus sul pobre, pouco

industrializado, subdesenvolvido, classificado de economia marginal) que

caracterizava a história industrial contemporânea da Itália. (BIANCHI, 1998).

De acordo com Becattini (1991), o fenômeno da Terceira Itália não teria levantado

tamanha atenção se ele não tivesse coincidido com um período de grande expansão

das exportações italianas, especialmente de bens produzidos nos distritos industriais

desta região, tais como têxteis, moda, sapatos, móveis etc. Contudo, o que atraiu a

atenção de tantos pesquisadores, segundo Becattini (1991), foi:

O fato chocante de que, enquanto no mesmo período as maiores firmas italianas (apesar de melhor preparadas para operar em mercados mundiais) estavam perdendo terreno para seus competidores estrangeiros, uma miríade de pequenas empresas sucedeu em aumentar a sua fatia dos mercados doméstico e internacional, angariar lucros e criar novos empregos, apesar de suas desvantagens bem conhecidas em instalações de vendas, escala de produção, acesso a crédito e experiência em mercados estrangeiros. Este fato contradisse crenças enraizadas de economistas de quase todas as escolas, que estavam convencidos de que as chances das pequenas firmas eram inerentemente fracas e declinantes no tempo. (BECATTINI, 1991, p. 83, tradução nossa).

Tentando compreender porque a Terceira Itália, apesar da ausência dos pré-

requisitos considerados padrões para o desenvolvimento, estava se desenvolvendo

mais rápido do que as antigas regiões industrializadas do norte e as

subdesenvolvidas do sul – estas últimas receberam maciços investimentos e

subsídios do governo italiano para alavancar o desenvolvimento – as primeiras

59

justificativas estiveram relacionadas à questão da “descentralização da produção”,

que afirmava que as grandes corporações italianas, que passavam por um processo

de terceirização, estavam transferindo muitas de suas atividades para as pequenas

e médias empresas, o que acabou ocasionando o rápido desenvolvimento das

firmas presentes na região do NEC. Esta interpretação, além de simplista, colocava

as pequenas firmas mais uma vez na posição de subordinadas às grandes, o que na

verdade não se verificava na região. Todavia, uma variedade de estudos,

provavelmente influenciados por mudanças no pensamento da economia política

(BECATTINI, 1991), verificou que as causas do surgimento da Terceira Itália se

relacionavam estreitamente com o conceito de distrito industrial e de economias

externas de Alfred Marshall. (BIANCHI, 1998; BELLANDI, 2002).

Renasciam aí os distritos industriais de Marshall, onde dadas certas condições

institucionais, a proximidade geográfica pode ser uma fonte de força industrial,

possivelmente removendo custos de transação, fraquezas cognitivas e perdas

estratégicas de uma aglomeração de pequenas firmas prosperando em um mundo

de grandes firmas. (BELLANDI, 2002).

2.6.1 – Explicações para o ressurgimento dos distritos industriais

A re-emergência dos distritos industriais na Itália foi inicialmente atribuída ao fator

sorte, tal como “um bom palpite do próximo estilo na indústria de alta moda ou uma

variação de materiais que acabou se encaixando às necessidades de mercados em

rápida mudança.” (PIORE e SABEL, 1984, p. 206, tradução nossa). Contudo,

quando começou a ficar aparente que não somente uma, mas várias regiões dentro

e fora da Itália estavam se desempenhando de modo semelhante (BECATTINI,

1991), percebeu-se que o retorno dos distritos industriais não poderia ser obra do

acaso. Eram necessárias explicações melhor fundamentadas para explicar este

fenômeno.

Uma dos primeiros fatores apontados como responsáveis pelo ressurgimento dos

distritos industriais foi a especialização flexível. Como visto anteriormente, durante o

auge da produção em massa no século XX, parecia absurda e utópica a idéia de que

o maquinário possuído pela produção artesanal, vista como uma categoria

60

complementar ou residual, poderia se tornar mais produtivo diante de enormes

aumentos de produtividade da produção de bens padronizados. Tal concepção seria

confirmada caso não houvesse a inclusão de um novo fator neste contexto: a

constante e crescente demanda, por parte dos mercados consumidores e das

próprias empresas (geralmente em momentos de retração econômica), por maior

flexibilidade de produtos, peças e equipamentos. (PIORE E SABEL, 1984).

Melhor preparadas para atender a esta nova exigência, as firmas artesanais

adquiriram um diferencial competitivo e promoveram um processo de sofisticação

tecnológica, o que permitiu uma redução significativa na diferença entre os custos

das firmas de bens flexíveis e as de bens padronizados. A partir daquele momento,

ficou mais fácil para as pequenas angariar mercados que antes pertenciam às

grandes empresas. Verificou-se então uma reversão de papéis, onde as firmas

artesanais passaram de uma estratégia puramente reativa para uma marcada pela

expansão. (PIORE E SABEL, 1984).

A transição do modo de transição em massa Fordista para métodos de produção

mais flexíveis é dada como a responsável pelo surgimento dos novos distritos

industriais e pela significância renovada da aglomeração regional, vista como uma

estratégia através da qual os produtores facilitam a interação transacional. Neste

aspecto, a proximidade se traduz em menores custos e maiores oportunidades para

o atendimento de necessidades e o desenvolvimento de competências distintivas.

(MARTIN e SUNLEY, 1996).

O advento da especialização flexível enterrou de vez a hipótese de que a lógica do

dualismo industrial estava por trás do sucesso dos distritos industriais italianos.

(BIANCHI, 1998). No entanto, apesar de fundamental para compreender o

ressurgimento destas aglomerações, a especialização flexível originária da mudança

na estrutura de mercado não é suficiente para explicar as suas causas. Conforme

Bianchi (1998, p. 96, tradução nossa), outros estudos demonstraram que os distritos

industriais da Terceira Itália, “longe de serem o produto espontâneo das forças do

mercado, são fruto de uma intensa atividade de atores sociais e institucionais que

proporcionam consenso social ao modelo e instrumentos para a regulação social de

conflitos”. Meyer (1998) corrobora esta visão, afirmando que a grande complexidade

61

e o tamanho dos distritos conduzem obrigatoriamente a uma investigação profunda

da sua origem e de seus componentes. Conforme este autor, distritos industriais que

aparentam seguir modelos superficialmente similares de organização, tais como a

especialização flexível, podem possuir conjuntos distintivos de relações sociais que

se originam de compromissos institucionais entre atores.

Percebe-se na literatura recente sobre distritos industriais, principalmente aquela

referente aos distritos italianos, uma grande ênfase sobre o papel do contexto social

e cultural para a formação e sucesso dos destas aglomerações. Nas palavras de

Molina-Morales e Martinez-Fernandes (2003), este enfoque estaria sobre a formação

de uma intensa e dinâmica rede de relações sociais baseada em relações de

confiança e na homogeneidade cultural existente nos distritos industriais..

A chave para esta redescoberta contemporânea dos distritos industriais, conforme

Becattini (1991), consiste na congruência entre a organização do processo de

produção (divisão do trabalho, cooperação etc.) e as características culturais e

sociais de um grupo de indivíduos que se desenvolveu lentamente no tempo. De

acordo com um grande número de acadêmicos italianos, a filosofia que prevalece

nos distritos industriais é a de uma combinação fortuita entre o individualismo das

firmas, o que alavanca a competição, e o senso comunitário existente, alimentado

por um forte laço de pertencimento à comunidade local. (BECATTINI, 1991).

O enfoque nas características culturais e sociais, além de ser apontada como uma

das causas do sucesso dos distritos industriais italianos, apresenta-se como uma

das grandes diferenças entre as análises de Marshall e aquelas mais

contemporâneas sobre o desenvolvimento dos distritos. Conforme You e Wilkinson

(1994), as análises mais recentes, direcionadas à coordenação bem sucedida dos

distritos, dão muito mais atenção às bases coletivistas e institucionais do que dava

Marshall. Sobressai-se a influência da comunidade (definida como família e outros

relacionamentos sociais, regras de comportamento e instituições mais formais) na

garantia de padrões de comportamento que engendram a confiança e a cooperação

e, desta forma, fortalecem as redes de relações entre firmas.

62

Contudo, a principal diferença entre Marshall e seus seguidores modernos reside na

importância relativa dos indivíduos e das instituições. Sob a perspectiva de Marshall,

os papéis do Estado e dos empregados e trabalhadores das organizações eram

limitados. Já nas discussões recentes sobre os distritos industriais, a coletividade

(sob a forma de relações entre as firmas, instituições formais e informais e políticas

públicas) possui um papel central em estabelecer e garantir padrões de negócios e

trabalho, incentivando a inovação e a difusão de tecnologia e organizando a

educação e o treinamento. (YOU e WILKINSON, 1994). “A firma, desta forma, não é

mais a fronteira clara entre as relações econômicas diretas e aquelas mediadas pelo

mercado; e os relacionamentos diretos se estendem além daqueles da firma”. (YOU

e WILKINSON, 1994, p. 266, tradução nossa).

Benedetti (1999) deixa um pouco de lado o romantismo que cerca as causas do

sucesso dos distritos industriais italianos ao afirmar que a coesão sócio-territorial, a

especialização flexível, os relacionamentos familiares e de confiança, a auto-

organização, o conhecimento partilhado, dentre outros elementos, são

indubitavelmente características presentes nos distritos de hoje, mas eles bem

poderiam ser os resultados ou efeitos do que as causas principais do sucesso dos

distritos industriais. Para Benedetti (1999), a resposta parece estar:

No conhecimento e controle da cadeia de valor cliente-fornecedor em todo o processo de produção. Os pequenos negócios dos distritos industriais não são apenas aglomerações que concorrem em mercados diversificados, nem simples apêndices de grandes companhias e conglomerados. Em vez disso, eles crescentemente respondem de forma direta ao cliente através da ativação de conexões mais adequadas para a customização específica. Eles emergem, persistem e desintegram de acordo com as manifestações necessárias e alternativas da cadeia de valor cliente-fornecedor. (BENEDETTI, 1999, p 67, tradução nossa).

Uma outra perspectiva capaz de explicar em parte o sucesso dos distritos industriais

italianos estaria relacionada à dedicação destes a nichos específicos do mercado. A

densidade de uma indústria em um determinado momento pode possuir uma grande

influência nas firmas que são fundadas, aumentando ou diminuindo as suas chances

de sobrevivência. (CARROLL E HANNAN, 1989). A saturação de vários mercados

no século XX pode ter levado as firmas do nordeste italiano a explorar recursos

marginais e buscar por novos nichos de mercado. Desta forma, as pequenas firmas

63

puderam se especializar em um segmento não explorado pelas empresas de

produção em massa ou organizações generalistas (SWAMINATHAN, 1995), o que

permitiu não somente a sobrevivência daquelas, mas também o crescimento.

2.7 – Fronteiras e Transformações de um Conceito em Busca de Identidade

Dadas as diferentes circunstâncias sob as quais ressurgiram os distritos industriais,

parecia improvável para a nova literatura não buscar novas definições para este

fenômeno. Molina-Morales e Martinez-Fernandez (2003), por exemplo, astutamente

observam que nas duas últimas décadas o volume de atenção dedicado ao conceito

de distrito industrial tem crescido regularmente e que este interesse acabou

produzindo um grande número de contribuições de acadêmicos de uma ampla gama

de disciplinas. O resultado de tantas contribuições é a existência de uma grande

variedade de conceitos para explicar este fenômeno.

Decorrente de tamanha quantidade de definições, Becattini (1991) observa que há

muita ambigüidade e confusão na área acadêmica sobre o que seriam os distritos

industriais. De forma a estabelecer limites a este universo, este mesmo autor afirma

que os seguintes fenômenos não podem ser interpretados como distritos industriais:

1. Áreas com pequenas firmas sob o domínio de uma ou mais empresas de

grande porte. Para Becattini (1991), áreas com estas características

geralmente são formadas em função das grandes empresas e a estrutura

social é frequentemente marcada pelo antagonismo, o que impediria

classificar tal localização geográfica como distrito industrial;

2. Áreas urbanas caracterizadas por uma concentração de pequenas firmas

operando em estágios diferentes de um único processo de produção.

Becattini (1991) acredita que estas regiões realmente possuem características

em comum com os distritos industriais. Contudo, como elas fazem parte de

um corpo urbano mais complexo, o autor acredita que isto necessariamente

possui conseqüências na interação entre a atividade de produção e a vida

cultural e social destas áreas;

64

3. Áreas cuja produção especializada pode estar conectada a outro distrito

industrial, mas que não atingiram um peso individual relevante no mercado.

Apesar de relevantes, as delimitações de Becattini (1991) não abordam uma lenta

transformação que vem ocorrendo nos distritos industriais italianos: a emergência de

empresas de grande porte líderes nestas regiões – muitas vezes originárias dos

próprios distritos ou da entrada de multinacionais e de maciço capital estrangeiro

(WHITFORD, 2001) – provocando profundas transformações na estrutura econômica

e social das regiões em que estão localizadas. (CARBONARA, 2002).

Estas grandes firmas são caracterizadas por uma configuração que deixa de lado a

coordenação espontânea e informal dos distritos industriais marshallianos para

assumir formas mais estruturadas, via formalização e estruturação das redes de

relações sociais entre as firmas. Além disso, estas firmas, a fim de aumentar o

controle sobre todo o processo de produção e as competências relacionadas ou

mesmo aumentar a escala do processo, inserem-se em um processo de integração

vertical, frequentemente caracterizado pela aquisição de firmas dentro dos distritos

industriais. Este processo de aquisição pode também representar um processo de

horizontalização destas grandes empresas quando o objetivo é a diferenciação do

negócio, replicação do modelo de negócios em um novo produto ou linha de

mercado, dentre outros. (CARBONARA, 2002).

O impacto causado por estas grandes firmas na estrutura de mercado dos distritos

industriais traz também conseqüências claras tanto para a estrutura social quanto

para a cultural destes distritos. Dada o amplo controle que estas empresas possuem

sobre as pequenas firmas, a cultura organizacional do distrito passa a ser fortemente

influenciada por elas. (CARBONARA, 2002). As características culturais destas

firmas, portanto, passam a ser também dos distritos. Fica evidente, então, que a

definição de distritos industriais como “uma aglomeração territorial de pequenas

firmas [...] que se mantêm juntas pela cultura social comum de trabalhadores,

empreendedores e políticos cercados por uma atmosfera industrial” (BIANCHI8, 1994

8 BIANCHI, G.. Tre e piu Itale: sistemi terriotriali di piccola impresa e transizione post-industriale, 1994 in BORTOLOTTI, F.. Il Mosaico e Il Progetto: Lavoro, Imprese, Regolazione nei Distretti Industriali della Toscana, Milan: FrancoAngeli,1994.

65

apud WHITFORD, 2001, p. 41, tradução nossa) não mais se aplica, pois boa parte

deste ambiente cultural deixa de ser algo homogêneo, esculpido pelas muitas

pequenas firmas que compõem o distrito industrial, para ser fortemente influenciado

pelas grandes empresas familiares que se formam nos distritos e pelas

multinacionais que ali se instalam.

Sob a perspectiva social, estas grandes firmas passam a ter um forte controle sobre

o destino das firmas que constituem o distrito. Conforme Carbonara (2002), as

organizações líderes passam a gerenciar a network (constituída tanto de firmas

autônomas quanto daquelas controladas pelas líderes) de forma hierárquica. “De

fato, a empresa líder pode reestruturar a network entre firmas e influenciar a

sobrevivência de seus subcontratados através, por exemplo, da definição de regras

para a qualificação de fornecedores”. (CARBONARA, 2002, p. 235, tradução nossa).

As firmas líderes, a fim de consolidar sua posição competitiva nos mercados

internacionais, modificam o seu “enraizamento” com o distrito industrial,

abandonando as regras organizacionais e inter-organizacionais que os governam e

assumindo outras normas ditadas pelo ambiente externo ao distrito. (CARBONARA,

2002).

O que se pode observar pelo exposto é que os distritos industriais italianos, além de

estarem passando por uma profunda modificação na sua rede de relações sociais,

estão também perdendo uma das características mais exclusivas dos distritos desde

os tempos de Marshall: a relação simétrica de poderes. A máxima de que a

“coordenação por meio de relações de autoridade é difusa devido ao grande número

de firmas, mas, ao mesmo tempo, é limitada, uma vez que as firmas são apenas de

tamanho moderado” (DEI OTTATI, 1994, p. 2, tradução nossa) não mais se aplica.

Apesar de soar como algo prejudicial no cotidiano, esta concentração de poderes

nas mãos de poucas e grandes firmas tem trazido alguns benefícios aos distritos

industriais italianos. Focadas em um processo de inovação conjunta, as relações

entre as grandes e as pequenas firmas tendem a ser caracterizadas por acordos de

cooperação mais estáveis – condição necessária para a produção de produtos de

maior qualidade (WHITFORD, 2001) – assim como por maior integração tecnológica,

66

cooperação no desenvolvimento de novos produtos, investimentos conjuntos em

P&D e um intercâmbio contínuo de informações entre produtos e processos.

(CARBONARA, 2002).

Em contraposição às redes de cooperação informais, esta “network estruturada”,

formalizada através de contratos de exclusividade de médio a longo prazos entre as

pequenas e as grandes empresas, além de proporcionar maior estabilidade, permite

que os distritos industriais transitem de um processo de inovação essencialmente

incremental para um processo marcado também pela inovação de ruptura.

(WHITFORD, 2001). Desta forma, a inserção de grandes empresas no ambiente dos

distritos industriais tradicionais, em vez prejudicá-los, os dinamiza, sanando, ainda

que parcialmente, algumas de suas desvantagens, tais como a lentidão para adotar

novas tecnologias, pouco know-how necessário para a pesquisa básica,

incapacidade de produzir “inovações que façam época” (epoch-making innovations)

e falta de conexões com redes internacionais de conhecimento codificado.

(WHITFORD, 2001).

A existência de firmas de maior porte parece ser, também na visão de Rabellotti e

Schmitz (1999), uma necessidade a alguns distritos industriais. Estes autores

observam que as firmas de menor porte, pelo menos nas aglomerações por eles

analisadas, são as que menos contribuem para o desenvolvimento dos distritos e

tendem a ser free riders, ou seja, usufruem das economias externas existentes sem

haver uma contrapartida via envolvimento em ações conjuntas ou em outras formas

de cooperação.

Outro fenômeno que vem ocorrendo dentro dos distritos industriais é o

desenvolvimento de instituições que têm se expandido do simples papel de

provedoras de serviços de consultoria, treinamento profissional, certificação de

qualidade, dentre outras funções de assessoria, para um papel de Meta-Gestão

(meta-management), onde instituições tais como organizações publico-privadas,

centros de pesquisa e serviços e associações de negócios passam a coordenar

tanto as atividades comerciais quanto produtivas dos distritos industriais, ativando e

gerenciando os processos de cooperação entre as firmas que se encontram dentro e

fora dos distritos industriais. (CARBONARA, 2002). Pilotti (2000) vai mais longe e

67

afirma que não somente as instituições vêm desempenhando este papel de “meta-

organizadores” nos distritos industriais, mas também muitas das firmas inovadoras

neles presentes.

Além disso, vários distritos industriais não são mais caracterizados pela produção de

bens considerados maduros. Verifica-se a emergência de regiões formadas por

empresas de alta tecnologia que se basearam na exportação de produtos e serviços

de alta qualidade, como as de multimídia e semi-condutores na Califórnia e as

automobilísticas, ópticas e de eletrônica em Baden-Württemberg (sudeste da

Alemanha), inclusive definidas por Raco (1999) como “Novos Distritos Industriais”.

Enfim, grandes empresas ocupando um ambiente tradicionalmente marcado por

pequenas corporações, assimetria de poderes, a ascensão da meta-gestão pelas

instituições e o advento de distritos industriais de alta tecnologia demonstram que o

conceito do típico distrito industrial marshalliano está longe de se adequar à

realidade contemporânea. Conforme Whitford (2001):

Caracterizações de um modelo de distrito industrial relativamente homogêneo não mais se aplicam. O grau de hierarquia nas relações entre o fornecedor e as firmas finais varia de distrito para distrito, nem todas as áreas são igualmente especializadas em um único produto e as distribuições do tamanho das firmas variam. Mesmo descrições da Terceira Itália como o lar exclusivo do modelo estão comprometidos pela redescoberta de (casos negligenciados de) economias regionais similares em Lombardia [Itália] e a emergência de fenômenos semelhantes ao distrito industrial na fordista Piemonte e no atrasado sul. Esta confusão levou (...) a sugerir que o “distrito industrial” em si é uma categoria a se repensar, significando que há muita variação dentro da categoria para assinalar atributos funcionais aos distritos industriais no tocante à sua classificação, de forma que eles deveriam ser tratados apenas como uma unidade útil de investigação. (WHITFORD, 2001, p. 48-49, tradução nossa).

De forma semelhante, Winder (1999) expõe que não há um consenso real do que

realmente constitui um distrito industrial. Este argumenta que, por exemplo,

enquanto alguns autores definem a confiança como uma característica-chave dos

distritos industriais, outros proporcionam a este fator uma importância relativa.

Outros afirmam que houve inúmeros tipos de distritos industriais e que muitos destes

não estavam necessariamente associados à especialização flexível que caracterizou

o período conhecido como Pós-Fordismo. Portanto, o distrito industrial de hoje está

68

longe de possuir uma definição própria ou até mesmo configurar um tipo ideal, para

usar o palavreado weberiano. Nesta busca por uma identidade, pode-se afirmar que

mesmo que os autores tentem estabelecer uma fronteira para este conceito, é

extremamente complicado determinar se uma aglomeração é ou não um distrito

industrial, dada a enormidade na variação de atributos que este conceito pode

possuir entre os estudiosos (WHITFORD, 2001).

Vários estudos relacionados à evolução dos distritos industriais discutem o futuro do

modelo e o que deveria ser considerado hoje um distrito. (WHITFORD, 2001). As

fronteiras deste conceito estão tão pouco definidas que, por exemplo, ao mesmo

tempo em que o Vale do Silício é tradicionalmente classificado como um cluster, não

há restrições para que Raco (1999) o classifique também como um distrito industrial.

Já Van Dijk e Sverisson (2003) tratam o distrito industrial como um dos estágios de

desenvolvimento de um cluster caracterizado por um nível mais avançado de

integração entre suas firmas componentes.

Esta profunda modificação na configuração dos distritos industriais, obviamente, não

foi fruto do acaso. Conforme Balloni e Iacobucci9 (1998) apud Whitford (2001, p. 52,

tradução nossa), “o antigo modelo era limitado em produzir pessoas capazes de

interpretar o novo cenário competitivo e gerenciar as mais novas e complexas

configurações organizacionais”.

A transformação deste modelo de aglomeração industrial foi, antes de tudo, uma

resposta ao novo ambiente de competição com o qual as firmas se depararam,

marcado pela (1) crescente internacionalização do comércio e a libertação das

atividades econômicas e sociais das áreas locais (RACO, 1999), assim como pela

(2) ameaça representada pelos distritos de produtos maduros em países de baixa

renda10 e (3) a descoberta da produção enxuta e em cadeia e (4) a reestruturação

das relações de trabalho nas grandes firmas. (WHITFORD, 2001). Acompanhando a

9 BALLONI, V; IACOBUCCI, D. Le politiche locale nel modelo NEC. In: GLI INCONTRI PRATESI SULLO SVILLUPO LOCALE, Prato, 1998. 10 Apesar da expressão países de baixa renda dar a impressão de que são os baixos salários destes países que tornaram seus produtos competitivos, a melhoria na infra-estrutura de muitos destes países não pode deixar de ser considerada. Marshall (1985) já alertava para a influência que o melhoramento dos meios de comunicação, o barateamento de fretes e a melhoria geral da infra-estrutura exercem sobre a competição e a distribuição geográfica das indústrias.

69

questão da internacionalização do comércio, (5) a formação das networks globais e

(6) as economias de networks baseadas na tecnologia de informação também foram

determinantes nesta mudança. (BENEDETTI, 1999).

Os fatores supracitados, assim como diversos outros, sacaram das pequenas firmas

localizadas nestas aglomerações muitas das vantagens que possuíam e

impulsionaram a transformação daquilo que anteriormente era conhecido como

distrito industrial em algo que hoje não possui uma definição consensualmente

estabelecida.

70

CAPÍTULO 3 – OS ESTUDOS CONTEMPORÂNEOS SOBRE AS

AGLOMERAÇÕES INDUSTRIAIS: KRUGMAN E PORTER

Os estudos de Marshall sobre os distritos industriais e as economias externas

geradas pelas aglomerações industriais pavimentaram o caminho para outras áreas

interessadas nestes fenômenos. Desde o lançamento de Principles of Economics em

1920, uma série de outras pesquisas passou a explorar a questão das decisões de

localização das empresas. Dentre elas, destacaram-se a geometria germânica de

localização, a física social, a causação cumulativa e o lucro e uso da terra. Porém,

tais linhas de estudo na economia da localização industrial atraíram pouca atenção

nas épocas em que surgiram. A razão para tal atitude estaria relacionada às

dificuldades enfrentadas durante décadas pelas ciências econômicas de elaborar

uma estrutura de mercado diferente daquela caracterizada por um mercado com

retornos constantes, incapaz de refletir as verdadeiras características que balizavam

a lógica de localização das indústrias. (KRUGMAN, 1996).

Martin e Sunley (1996) afirmam que a relação entre a geografia econômica, ramo da

economia que estuda a localização da produção no espaço (KRUGMAN, 1991b), e

as ciências econômicas é marcada pela assimetria. Enquanto os “geógrafos

econômicos” basearam-se livremente nos conceitos e perspectivas de diferentes

escolas de economia para a formação de suas teorias, os economistas, por sua vez,

deram pouca ou nenhuma atenção ao papel da geografia no processo econômico.

Krugman (1996) deixa claro que este desdém à geografia econômica está

diretamente relacionado à incapacidade que as ciências econômicas possuíam em

elaborar uma estrutura de mercado marcada pelos retornos crescentes. Tal fato não

apenas deixou está área de estudos estagnada durante muitas décadas, mas

também a privou de possuir uma estrutura teórica que a guiasse na pesquisa sobre

o comércio internacional. (MARTIN e SUNLEY, 1996).

Porém, conforme afirma Baptista (1996), na década de 1990 houve um amplo

ressurgimento de interesse na economia da localização industrial, mais notadamente

no que diz respeito aos clusters industriais. Uma série de estudos gerou diversas

novas correntes de pesquisa e debates sobre aglomerações industriais, motivadas,

71

principalmente, pelo surgimento de uma nova teoria de comércio e uma nova

economia de vantagem competitiva, que assinalam o papel significante que a

geografia (industrial) interna de uma nação possui na determinação do desempenho

de suas indústrias. Dentre estes estudos, destacam-se a Nova Geografia

Econômica, cujo maior expoente é o economista Paul Krugman, e os estudos sobre

os clusters industriais, conduzido pelo renomado professor da Harvard Business

School, Michael Porter.

Krugman e Porter exploram o fenômeno da aglomeração industrial com enfoques

bem distintos. Enquanto os trabalhos de Krugman enfatizam a importância de se

abordar os estudos de localização sob a perspectiva das ciências econômicas, o

enfoque de Porter é essencialmente estratégico, onde as aglomerações geográficas

são elementos constituintes da vantagem competitiva das nações. Martin e Sunley

(1996) diferenciam de modo mais detalhado estes dois autores. Estes afirmam que,

de um lado, Krugman buscou demonstrar como o comércio é influenciado e

influencia os processos de especialização industrial regional dentro das nações. Na

visão de Krugman, a importância da especialização regional é tamanha que a

geografia econômica deveria ser tratada como uma subdisciplina maior no campo da

economia. Por outro lado, Michael Porter enfatiza a importância que o grau de

aglomeração geográfica das indústrias em uma economia nacional desempenha na

determinação de quais de seus setores comandam uma vantagem competitiva

dentro da economia internacional. Porter, à semelhança de Krugman, argumenta

também que a geografia econômica deveria ser uma disciplina essencial nas

ciências econômicas. Outro ponto de convergência entre os autores, resumido

brilhantemente por Krugman (1991, p. 3) é que:

Uma das melhores formas de compreender como a economia internacional funciona é começando por olhar o que acontece dentro das nações. Se quisermos compreender as diferenças nas taxas de crescimento nacional, um bom local para se começar é através das diferenças no crescimento regional; se quisermos compreender a especialização internacional, um bom local para se começar é a especialização local. (KRUGMAN, 1991, p.3, tradução nossa, grifo do autor).

Apesar de divergirem quanto ao enfoque, as perspectivas destes autores,

caracterizadas por uma forte relação complementar, serão exploradas a seguir.

72

Primeiramente, vamos nos prender à Nova Geografia Econômica de Paul Krugman,

para, em um segundo momento, nos dedicarmos a Porter.

3.1 – Paul Krugman e o Espaço, a Fronteira Final

Paul Krugman, a fim de introduzir o leitor de maneira simples aos seus estudos

sobre localização industrial, utiliza em seu livro, Trade and Geography, o exemplo de

fotos noturnas feitas por satélites sobre os Estados Unidos e os países da União

Européia11. Observando estas fotos, Krugman (1991) apresenta duas conclusões

que introduzem aos seus estudos. Em primeiro lugar, observa-se que as regiões

industriais dos estados americanos e dos países europeus não obedecem às

fronteiras políticas. Regiões industriais localizadas na pequena Bélgica, por exemplo,

não se encerram nas fronteiras políticas com seus países vizinhos, ocorrendo este

fenômeno de forma semelhante quando observados os estados americanos. A

segunda (e mais importante) conclusão é o fato de que as populações – e por

conseqüência as indústrias – possuem um comportamento de distribuição irregular e

recorrente, definido pelo autor como centro-periferia. Enquanto o centro é formado

por grandes massas de populações concentradas em pequenas regiões territoriais

dos Estados Unidos e Europa, onde se encontram as grandes manufaturas, a

periferia é formada grandes extensões territoriais, predominante agrícolas, onde uma

pequena parcela das populações está localizada.

Outro caso de comportamento irregular de distribuição das indústrias observado por

Krugman (1991) recai sobre o gigantesco aglomerado industrial conhecido como o

cinturão de manufatura dos Estados Unidos (U.S. Manufacturing Belt), região

localizada no nordeste americano que representa menos de quinze por cento do

território daquele país, mas que chegou a conter setenta e quatro por cento dos

empregos industriais americanos ao fim do século XIX, possuindo virtualmente todo

o tipo de manufatura daquela época, salvo pouquíssimas exceções. Apesar de ao

11 Apesar de soar estranho comparar a distribuição industrial entre os estados americanos e os países da União Européia, dada a diferença política entre ambos, Krugman (1991) argumenta que um dos fatores que politicamente diferenciam um país de outro é a quantidade de restrições impostas sobre os bens e fatores de produção. Desta forma, a União Européia, cujos integrantes desfrutam da livre movimentação destes bens e fatores, é tomada, sob a perspectiva deste autor, não como um conjunto de países, mas como uma nação que se assemelha em área e pujança econômica com os Estados Unidos.

73

longo das décadas esta participação ter apresentado um decréscimo, o cinturão de

manufatura ainda detém a posição de maior concentração industrial dos Estados

Unidos.

Vários estudos de Krugman, baseados em diversas idéias do pensamento

econômico, tais como as próprias economias de localização de Alfred Marshall e as

teorias clássicas de localização, buscaram explicar porque a dinâmica de

distribuição da produção tende a seguir este comportamento desigual. Um dos

principais temas de seus trabalhos considera que a fim de compreender o comércio,

é necessário que se compreenda o processo de desenvolvimento regional dentro

das nações. A geografia econômica, sob a perspectiva deste autor, é a parte central

dos processos pelos quais a prosperidade econômica e o comércio são criados e

mantidos. (MARTIN e SUNLEY, 1996).

Diante da busca de uma resposta para este comportamento de localização das

indústrias, surge em 1990 a Nova Geografia Econômica, definida como um gênero

das ciências econômicas ou, nas palavras de seu principal expoente, “um estilo de

análise econômica que tenta explicar a estrutura espacial da economia utilizando

certos truques técnicos para produzir modelos nos quais há retornos crescentes e os

mercados são caracterizados por competição imperfeita”. (KRUGMAN, 1998, p. 163,

tradução nossa, grifo nosso). Esta nova modalidade de estudos sobre o

comportamento de distribuição das indústrias surge em um momento em que (1) a

localização da atividade econômica dentro dos países adquire projeção na agenda

de governos e instituições de ensino e pesquisa, (2) as fronteiras entre a economia

internacional e a regional não estão mais claramente definidas e (3) a perspectiva

dos retornos crescentes e da competição imperfeita se “popularizam”, tornando

ainda mais importante a adoção deste nova ramificação da economia. (KRUGMAN,

1991).

Os truques aos quais Krugman (1998) se refere nada mais são, em sua maior parte,

que pressupostos derivados de teorias econômicas anteriores, que balizam e

permitem a formação dos tão importantes modelos da Nova Geografia Econômica.

Os pressupostos são os seguintes:

74

• Competição monopolista: conforme Klaesson (2001), situação de mercado

caracterizada pela (1) existência de uma indústria composta de uma grande

de firmas, todas vendendo um produto apenas, (2) produtos diferenciados, de

forma que cada firma possui sua própria função de demanda, (3) pouco efeito

da entrada de um novo produto ou firma nas funções de demanda de

demanda individual de cada firma e (4) entrada de firmas até que os lucros na

firma sejam reduzidos a zero.

• Icebergs: um pressuposto introduzido pela primeira vez por Paul Samuelson,

que afirma que uma fração de qualquer bem embarcado simplesmente

derrete em trânsito, de forma que os custos de transporte são incorridos no

bem embarcado;

• Evolução: os modelos da Nova Geografia Econômica assumem um processo

ad hoc de ajuste, no qual os fatores de produção movem-se gradualmente em

direção a localizações que ofereçam retornos reais mais altos;

• Informática: apesar de todos os esforços, os mais simples dos modelos de

geografia econômica exigem cálculos que vão bem além das análises

manuais. Como resultado, este ramo da economia faz uso de tecnologias que

permitem a exploração de modelos de cálculos estáticos e simulações

dinâmicas. (KRUGMAN, 1998).

A Nova Geografia Econômica parte do princípio de que a localização das empresas

é determinada endogenamente, onde a geografia natural subjacente (fatores como

os recursos naturais e localização privilegiada de uma região), conhecida como

“primeira natureza”, cede espaço a outras características que influenciam fortemente

a distribuição da produção, tais como as economias externas geradas pelo tamanho

do mercado e as conexões a montante e a jusante da indústria, integrantes da

“segunda natureza” especificada por Krugman (1993). Isto não significa que os

recursos naturais, por exemplo, não sejam mais importam na localização da

indústria, mas que a localização não é influenciada somente pelos fatores da

primeira natureza. A segunda natureza, como veremos mais adiante, é fator-chave

na compreensão da lógica de distribuição centro-periferia da produção.

75

3.1.1 – A Competição Imperfeita e os Retornos Crescentes

Krugman (1991) afirma que as razões para localização das indústrias apresentadas

por Alfred Marshall podem ser consideradas certamente válidas. Contudo, os

estudos daquele autor partiram principalmente da análise de setores tradicionais

(madeireiro, mineração, química pesada, dentre outros). Arthur (1996) argumenta

que o mundo de Marshall, das décadas de 1880 e 1890, era o mundo da produção

bruta onde:

Era razoável supor, por exemplo, que se uma plantação de café tivesse de expandir a sua produção, ela teria definitivamente que ser levada a usar terras menos adequadas para o café. Em outras palavras, ela seria conduzida a retornos decrescentes. Então, se as plantações de café competissem, cada uma expandiria até que caíssem em limitações na forma de custos crescentes ou lucros decrescentes. O mercado seria dividido entre muitas plantações e um preço de mercado seria estabelecido a um nível previsível. Os agricultores iriam produzir café enquanto fosse lucrativo, mas dado o fato de que o preço seria reduzido ao custo médio de produção, ninguém seria capaz de cometer um homicídio [expulsar os competidores do mercado]. Marshall afirmava que tal mercado estava em concorrência perfeita e o mundo econômico que ele vislumbrava encaixava-se perfeitamente com os valores Vitorianos de seu tempo. (ARTHUR, 1996, p. 101, tradução nossa).

Muito da análise econômica tradicional baseia-se na teoria de vantagem

comparativa do economista David Ricardo, que afirma que sob condições de

competição perfeita e dada a imobilidade de um ou mais fatores de produção, as

nações se especializarão em indústrias nas quais possuem vantagens comparativas

de fatores (recursos favoráveis de matérias-primas, força de trabalho mais barata

etc.). O princípio da vantagem comparativa, desta forma, prevê que os países que

possuem uma base de recursos distinta produzirão somente bens que se utilizam

destes mesmos recursos. (MARTIN e SUNLEY, 1996).

Todavia, o pressuposto utilizado pelas teorias de comércio pioneiras de que os

mercados não estão distantes de serem perfeitamente competitivos, ou seja, há

muitos produtores em um mercado, sendo estes muito pequenos para influenciar os

preços ou ações futuras de seus competidores, parece não mais se aplicar à nova

realidade comercial, onde boa parte do comércio parece surgir das vantagens da

produção em larga escala, da experiência cumulativa e das vantagens transitórias da

76

inovação. Em indústrias onde estes fatores são importantes – vide o exemplo das

indústrias de alta tecnologia, mais notadamente, o setor relacionado à produção de

sistemas operacionais – a competição atomística entre muitas pequenas firmas

(necessária para a concorrência perfeita) parece não ser uma boa descrição deste

mundo. Pelo contrário, as firmas destas indústrias aparentam ser caracterizadas por

mercados imperfeitamente competitivos, onde uma série de poucos rivais, que

podem ser identificados, possuem a capacidade de alterar preços e arquitetar

movimentos estratégicos para afetar as ações de seus rivais. “Isto significa que o

quê pode acontecer nestes mercados é diferente (e mais complicado) do que aquilo

que é capturado pelos simples conceitos de oferta e demanda”. (KRUGMAN, 1992,

p. 9, tradução nossa).

Krugman (1998) demonstra-se perplexo com o fato de que somente a partir da

década de 1990 os economistas passaram a dar maior consideração à geografia

econômica. Como poderiam os economistas negar um “tipo de estória que eles

adorariam; que é uma descrição de como as ações de agentes individualistas

interagem para produzir um comportamento agregado que é maior do que a soma

das partes”? (KRUGMAN, 1998, p. 163, tradução nossa).

A resposta recairia sobre o conceito de concorrência imperfeita: uma vez que as

economias de escala, ditas como inexauríveis por Krugman, minavam o conceito de

concorrência perfeita, era necessário que os cientistas econômicos abordassem a

geografia econômica a partir desta nova abordagem. Todavia, nas décadas de 1950

e 1960, não havia modelos econômicos que permitiam a análise de uma estrutura de

mercado baseada na concorrência imperfeita. Portanto, na falta desta ferramenta,

cabia aos economistas simplesmente ignorar ou “dar as costas” à geografia

econômica na corrente da teoria econômica. (KRUGMAN, 1996, 1998).

Esta negligência, nos meados da segunda metade do século XX, terminou. Diante

do estabelecimento da moderna indústria e das mudanças ocorridas na estrutura do

mercado, as ciências econômicas, a partir da década de 1970, adicionaram ao seu

repertório a concorrência imperfeita e, decorrente desta adição, uma outra nova

abordagem passou também a ser incluída: a perspectiva dos retornos crescentes.

(KRUGMAN, 1991).

77

Os retornos crescentes podem ser definidos como a tendência que os competidores

que estão à frente no mercado possuem de avançar ainda mais nestas posições,

enquanto aqueles que perdem vantagens competitivas neste ambiente, de perderem

ainda mais posições. (ARTHUR, 1996). Os retornos crescentes estão diretamente

relacionados ao conceito de economia de escala, onde um aumento no volume total

de produção de uma firma (ou de um aglomerado de firmas, no nosso caso)

ocasiona uma queda no custo unitário de produção de um bem, revertida em ganhos

maiores ou crescentes para as firmas.

Deve-se deixar claro que a perspectiva dos retornos crescentes não é nova e está

diretamente relacionada às externalidades locais de Alfred Marshall, já exploradas

anteriormente. Nesta perspectiva, o enfoque é o mundo da manufatura,

principalmente aquela baseada no conhecimento e caracterizada por concorrência

imperfeita. (KRUGMAN, 1995). Desta forma, parece que a maior parte das relações

comerciais representa mais uma especialização arbitrária baseada em retornos

crescentes do que um esforço para tirar vantagem das diferenças exógenas em

recursos ou produtividade, conforme afirma a teoria da vantagem comparativa.


De acordo com Krugman (1999), na presença de concorrência imperfeita e retornos

crescentes, as externalidades que realmente parecem importar nas decisões de

localização das indústrias são justamente aquelas relacionadas às economias de

escala, ou seja, as externalidades pecuniárias, que são realizadas quando a

entrada de uma firma resulta definitivamente em retornos (lucros) positivos para

todas as firmas. (MEARDON, 2000). A emergência do padrão centro-periferia estaria

associada a esta modalidade de economia externa, que se origina de conexões

entre firmas a jusante ou a montante, em vez de relacionada aos spillovers

puramente tecnológicos. (KRUGMAN, 1999).

Krugman enfatiza que as externalidades operando dentro e entre as indústrias

fazem diferença para a vantagem competitivas das firmas que constituem as

aglomerações industriais. Neste sentido, conforme Martin e Sunley (1996), seu

trabalho leva consigo uma noção de competitividade regional.

78

O foco de Krugman nas externalidades pecuniárias dá forma à interpretação que

este autor possui sobre os estudos Marshall, afirmando que a formação de um

mercado de trabalho local e a disponibilidade de fornecedores especializados são

exemplos de efeitos dependentes do tamanho do mercado, ou seja, as economias

externas locais são derivadas do tamanho do mercado ou de seus efeitos potenciais.

Além disso, Krugman dá maior ênfase às externalidades pecuniárias, que são

originárias tanto das economias de escala externas às firmas quanto daquelas

internas a elas. Neste contexto, as economias internas de escala, através do

crescente incentivo à concentração das firmas em um local, intensificam a tendência

à concentração geográfica da produção. (MARTIN e SUNLEY, 1996).

Tornou-se aceito o fato de que onde a competição imperfeita e os retornos

crescentes estão presentes, as externalidades pecuniárias são fundamentais, ou

seja, “se as ações de uma firma afetam a demanda pelo produto de outra cujo preço

exceda o custo marginal, esta é uma externalidade muito mais real do que o

spillover de P&D de uma firma em um pool de conhecimento”. (KRUGMAN, 1999, p.

485, tradução nossa, grifo do autor). Apesar desta afirmação de Krugman aparentar

um certo desdém em relação às externalidades não pecuniárias, tais como os

próprios spillovers tecnológicos, este argumenta que o fato de considerá-las pouco

em seus estudos se deve à dificuldade que estas possuem de serem medidas e

rastreadas, além de muitas vezes serem nacionais ou internacionais em escopo.


3.1.2 – Os modelos de localização das indústrias

Para Martin e Sunley (1996), Krugman surge como um conciliador entre a nova

teoria do comércio e a teoria da localização. A sua Nova Geografia Econômica surge

como um híbrido destas duas teorias. Ela faz uso dos modelos de competição

imperfeita e economias de escala, utilizadas na nova teoria de comércio, e as alia ao

enfoque da teoria de localização clássica nos custos de transporte. Na interação das

economias externas de escala com os custos de transporte está a chave para a

explicação da concentração industrial das regiões e formação de “centros” e

“periferias” regionais.

79

A lógica do modelo de concentração geográfica de Krugman baseia-se na interação

entre três elementos: os retornos crescentes, os custos de transporte e a

demanda. De modo breve, o modelo funciona da seguinte forma: dadas economias

de escala suficientemente fortes, cada manufatura irá desejar servir o mercado

nacional a partir de uma única localização. As firmas desejam concentrar a produção

próxima a mercados e fornecedores (a fim de reduzir os custos de transporte), mas o

acesso aos mercados e fornecedores é melhor onde outras firmas estão localizadas

(devido aos efeitos do tamanho do mercado ou demanda). (KRUGMAN, 1998). Nas

palavras de Krugman (1991, p. 20, tradução nossa), “as manufaturas querem se

localizar onde o mercado é grande; o mercado é grande onde as manufaturas estão

localizadas”. Surge daí uma lógica circular ou “circularidade”, que é capaz de criar

aglomerações e mantê-las uma vez que estas tenham se estabelecido. (KRUGMAN,

1998).

Krugman expõe o cinturão de manufatura do nordeste dos Estados Unidos como um

dos exemplos deste comportamento circular de localização da indústria. O

crescimento da população em atividades não-agrícolas no nordeste do país no

século XIX, aliado às economias crescentes de escala e à queda dos custos de

transporte, fizeram com que este cinturão se estabelecesse e lhe desse uma

vantagem inicial que o manteve forte o suficiente para atrair um número cada vez

maior de indústrias e populações, mesmo quando outras regiões, mais tarde,

passaram a dispor ou gozar de condições semelhantes àquelas que permitiram o

estabelecimento do cinturão. (KRUGMAN, 1991).

A relação circular em que a localização da demanda determina a localização da

produção e vice-versa tende a ser uma força profundamente conservadora,

tendendo a criar o lock in (estabelecimento) de um padrão centro-periferia que pode

durar um longo período, como o centenário cinturão de manufatura americano. A

quebra deste lock in, pelo modelo de Krugman, significaria a ascensão de outro

centro industrial, em detrimento de seu antecessor. Para explicar o processo de

ascensão de um novo centro industrial, Krugman utiliza de modo simplificado um

modelo em que a população é fixa. Neste modelo, a distribuição da produção será

ajustada a partir de uma relação entre (1) os custos fixos de se implantar novas

80

unidades de produção em uma região A e o (2) custo de servir esta região a partir de

uma unidade industrial já existente na região B. Enquanto o primeiro fator for maior

que o segundo, a região A será servida pelas unidades industriais já existentes na

região B. Caso ocorra o contrário, a implantação de uma nova unidade industrial na

região A se justificará. Caso ambos os fatores sejam iguais, ambas as áreas terão

unidades industriais. (KRUGMAN, 1991).

Portanto, em vez de determinada completamente pela geografia natural subjacente,

que levaria à escolha de uma região mais eficiente, o modelo de Krugman prevê

pontos de equilíbrio de localização múltiplos, onde a concentração da produção

poderá ocorrer em uma variedade de locais. Qual das regiões possuirá a vantagem

inicial de ser o primeiro grande centro locked in, que dificilmente perderá sua

posição, dependerá de fatores históricos, abordados na seção a seguir.

Krugman (1991) observou dois pontos interessantes em relação ao movimento inicial

de populações ou indústrias para outras cidades, que acaba dando surgimento ou

reforçando o padrão centro-periferia. A primeira é que este processo não obedece

necessariamente a uma lógica racional de maximização de salários ou minimização

de custos. Algumas vezes estes movimentos podem ser baseados apenas em

expectativas de maiores salários ou de um mercado potencial, o que acaba

ocasionando de fato a emergência de um novo padrão de distribuição da produção.

Desta forma, as expectativas ou os “aspectos psicológicos” de pessoas e firmas

acabam se transformando em uma profecia auto-realizável que se sobrepõe às

vantagens iniciais da região antes industrializada. O segundo ponto diz respeito à

rapidez da mudança: há indicativos de que a emergência de um novo padrão centro-

periferia, em vez de ocorrer de forma lenta e gradual, pode ocorrer subitamente,

como foi o caso da ascensão da Califórnia como centro industrial no fim do século

XIX.

Krugman sugere ainda que os custos de transporte podem agir como um forte

limitador da concentração geográfica da indústria. Quando há uma redução nos

custos de transporte, as firmas desejarão se concentrar em um local para realizar as

economias de escala tanto na produção quanto no transporte. Se estes custos

continuarem a cair, o modelo sugere que a necessidade de se localizar próximo aos

81

mercados irá desaparecer e a produção pode se dispersar geograficamente.

Todavia, dado que alguns custos de transportes não poderão ser removidos, a

relação circular entre a produção e a demanda implica que regiões que tiveram

algum pioneirismo (first-mover) na manufatura, geralmente graças a uma “boa sorte

acidental” (os fatores históricos explorados na próxima seção), atrairão mais

indústrias e crescimento em relação àquelas regiões cujas condições iniciais para

industrialização eram desfavoráveis. (MARTIN e SUNLEY, 1996).

3.1.2.1 – História, Acidente e a Localização da Indústria

Caracterizado pela linguagem simples e anedótica, os trabalhos de Krugman

constantemente remetem a estórias ou exemplos para explicar a dinâmica de

localização das indústrias; o mesmo ocorre quando tenta explicar a influência da

história na formação dos centros industriais e periferias agrícolas. Krugman narra a

estória de uma adolescente na cidade de Dalton, estado da Geórgia, Estados

Unidos, que em 1895 confeccionou uma colcha de cama tufada, diferente de

qualquer outra colcha feita naquela época, como presente de casamento. O novo

estilo de colcha tornou-se moda, que rapidamente foi adotada por várias outras

pessoas da cidade. A partir deste fato, Dalton havia formado as raízes para o

nascimento do maior pólo de tapeçaria dos Estados Unidos ao fim da segunda

guerra mundial, onde seis das vinte maiores indústrias de tapetes dos Estados

Unidos estavam lá localizadas. (KRUGMAN, 1991).

Krugman utiliza este exemplo para deixar algo bem claro no que diz respeito à

formação dos centros industriais: apesar de haver cidades que são mais eficientes

em termos geográficos para a instalação de unidades industriais, a localização da

indústria raramente obedece a esse critério. Pelo contrário, a localização da indústria

é, em grande grau, indeterminada e dependente da história (MARTIN e SUNLEY,

1996), como no caso da indústria de tapetes em Dalton. Isto significa que o fato de

uma região possuir uma vantagem comparativa em termos de custo de mão-de-obra

ou recursos naturais não a garante de que a “história escolherá o resultado mais

eficiente”. (RAUCH, 1993).

82

Uma vez que um padrão de especialização como o da indústria de tapetes se

estabelece, este acaba sendo travado (locked in) pelos retornos crescentes obtidos

com a localização da produção na região. (MARTIN e SUNLEY, 1996). Portanto, nas

palavras de Krugman (1991, p. 20, tradução nossa), “a história importa” e as

vantagens iniciais gozadas pelas regiões pioneiras em manufatura – como é o caso

do cinturão de manufatura, que no século XIX não somente era a região mais

populosa dos Estados Unidos, como também possuía uma rede transporte

privilegiada – são fortemente influenciadas por este componente histórico.

Conforme observa Krugman, (1991, p. 35, tradução nossa, grifo nosso), “em uma

extensão notável, as indústrias de manufatura dentro dos Estados Unidos são

altamente localizadas; e quando se tenta compreender as razões para aquela

localização, descobre-se que ela pode ser remetida a alguns aparentes acidentes

históricos triviais”. Todo o processo de industrialização dos Estados Unidos,

incluindo o tão famoso Vale do Silício, foi marcado por casos semelhantes de

pequenos acidentes históricos que levaram ao estabelecimento de um ou dois

persistentes centros de produção. (KRUGMAN, 1991).

Desta forma, a determinação de qual região se torna o centro de manufatura e qual

se torna a periferia agrícola presumivelmente dependeria destes acidentes

históricos, de forma que a economia espontaneamente se organizaria em uma

geometria centro-periferia muito semelhante à divisão dos Estados Unidos entre

cinturões de manufatura e agrícolas ou à divisão da Itália entre o próspero norte e o

empobrecido sul. (KRUGMAN, 1998).

A importância que Krugman atribui à história está diretamente relacionada ao

conceito de path dependence, que de forma resumida apregoa que os fatores

objetivos de um período anterior podem afetar a alocação de recursos em um

período posterior, mesmo quando as condições são completamente diferentes.

(ARROW, 2000). Krugman (1991a), todavia, adverte que a influência da história

como vantagem inicial dos primeiros centros industriais não é permanente. Este fator

será importante enquanto houver ganhos de escala suficientemente grandes na

83

região, custos de transporte satisfatoriamente baixos e uma quantidade suficiente de

produção footloose12 não relacionada a recursos naturais.

3.1.3 – Críticas à Nova Geografia Econômica

Apesar dos avanços e do crescente interesse na Nova Geografia Econômica,

principalmente a partir da segunda metade da década de 1990, ainda há muito que

se ser desenvolvido e melhorado neste campo. Como todo o campo de pesquisa

emergente no meio acadêmico, a Nova Geografia Econômica está sujeita tanto a

elogios quanto a críticas fervorosas. No caso das críticas, elas, na maioria das

vezes, são direcionadas ao seu pesquisador mais influente: Paul Krugman.

De acordo Meardon (2000), vários autores questionam e são céticos em relação à

narrativa de Krugman, argumentando que este autor faz uso de ferramentas que já

foram rejeitadas há muito tempo durante os estudos de diversos problemas

econômicos, como aquelas referentes a estudos anteriores de localização da

indústria e aos “truques” utilizados para balizar seus estudos. Outra crítica recorrente

é a de que a Nova Geografia Econômica não passa de uma tentativa de “colocar no

mercado” novas técnicas sob o questionável argumento de uma afinidade histórica

com antigos autores que influenciaram a geografia econômica.

Martin e Sunley (1996) coletaram na literatura uma série de críticas à Nova

Geografia Econômica de Paul Krugman. Uma das primeiras grandes críticas diz

respeito aos pressupostos utilizados nos modelos de Krugman, considerados por

muitos autores não realistas e fora de uso, uma vez que a geografia econômica

contemporânea está abandonando o uso de modelos e substituindo-os por

abordagens “mais realistas”. Sob esta perspectiva, os modelos de Krugman são

vistos como imersos em um contexto geográfico e histórico inadequado. O modelo

centro-periferia, por exemplo, diferente de outros modelos de localização, é criticado

por não considerar uma perspectiva de longo prazo. Outra crítica recorrente ao

trabalho de Krugman é a sua persistência em não considerar os spillovers

12 Produção que não está “ligada” a outros locais pela necessidade de proximidade do mercado consumidor, como é o caso de alguns produtos perecíveis, ou pela necessidade de usar recursos naturais muito próximos à fonte, como é o caso da indústria de cerâmica. (KRUGMAN, 1991).

84

tecnológicos como um determinante fundamental dos clusters contemporâneos, ao

mesmo tempo em que, contraditoriamente, faz várias referências ao modo como a

natureza das aglomerações se modificou ao longo do tempo. A razão para esta

relutância estaria no fato de Krugman partir do pressuposto de que as forças de

localização que explicam o crescimento dos grandes centros americanos do século

XIX são as mesmas que provocam estes fenômenos na atualidade, apesar de

reconhecer, mais uma vez de forma contraditória, a crescente importância da

tecnologia a partir do século passado.

Por fim, o próprio Krugman (1998) lança uma crítica direcionada à evolução da Nova

Geografia Econômica. O autor sugere que esta deve transpor uma nova fronteira: a

empírica. Observa-se que muitos dos trabalhos publicados sobre a nova

organização industrial, campo de estudos no qual a Nova Geografia Econômica está

incluída, foram muito melhores em criar modelos interessantes do que em gerar

previsões empíricas. Houve o surgimento de uma “indústria de regressões”, mas,

com poucas exceções, estas regressões nem se relacionaram fortemente com a

teoria e tampouco forneceram evidência empírica de suporte. (KRUGMAN, 1998).

De forma semelhante, Brühlhart (1998) afirma que a atenção renovada à economia

espacial (as novas teorias de comércio e nova geografia econômica) foi resultante

mais de avanços teóricos do que de um contexto empírico diferente.

3.2 – Michael Porter e a Emergência dos Clusters

Nos estudos sobre a competição das firmas e indústrias, a maioria das pesquisas

sobre a estrutura da indústria, suas fontes de vantagem competitiva e seus

processos competitivos tem sido neutra em relação ao fator localização. Segundo

Porter (1994), os tratamentos da localização basearam-se amplamente na tradição

estabelecida pela teoria do comércio. Nesta teoria, as escolhas e efeitos da

localização eram baseados em uma estrutura de minimização de custo de insumos,

nos quais os principais atributos de localização eram o custo da terra, trabalho,

capital, energia, dentre outros. Nesta estrutura, os fatores de localização eram mais

um detalhe operacional do que estratégico.

85

Porter (1994) explica que o paradigma que governava a competição internacional se

modificou. O antigo modelo era baseado na eficiência estática e as firmas com os

menores custos de insumos ou maiores economias de escala prevaleciam. Todavia,

a globalização da competição e o avanço tecnológico neutralizaram estes benefícios

da localização tão valorizados pela teoria do comércio. A inovação passa a

predominar no novo paradigma que se impõe e a capacidade das firmas para inovar

baseia-se de forma consistente no ambiente (local) no qual a firma reside. Conforme

afirma Porter (1994):

A base da vantagem competitiva passou da eficiência estática para a taxa de aperfeiçoamento dinâmico. Não são os insumos ou a escala que a firma possui hoje, mas a sua habilidade para continuamente inovar e melhorar suas habilidades e tecnologias (amplamente ativos intangíveis) ao competir. Nesta forma de competição, o papel da localização se modifica profundamente. As firmas operam globalmente para obter insumos e acesso a mercados. A vantagem competitiva, contudo, se origina dos processos de inovação que estão amplamente localizados na home base da firma ou na localização do seu time de gestão estratégica, de suas atividades de pesquisas-núcleo e da massa crítica de produção sofisticada para uma determinada linha de produto. (PORTER, 1994, p. 36, tradução nossa).

Para que o papel estratégico que Porter dá à localização seja completamente

compreendido, é necessário que se explore a perspectiva deste autor sobre a

dinâmica do ambiente de competição das firmas. Em seus estudos sobre os

determinantes da vantagem competitiva das nações, Porter (1990) cita quatro

atributos que formam o ambiente no qual as firmas competem e promovem (ou

impedem) a criação de vantagem competitiva. Tais atributos, explicados abaixo de

forma sucinta, formam o modelo “diamante” de Porter, exposto na figura 1:

1. Condições dos fatores: a posição de uma nação nos seus fatores de

produção, tais como mão-de-obra especializada ou infra-estrutura,

necessários para se competir em uma dada indústria;

2. Condições da demanda: a natureza da demanda interna pelos produtos ou

serviços da indústria;

3. Indústrias de apoio e de suporte: a presença ou ausência na nação de

indústrias fornecedoras e relacionadas que são internacionalmente

competitivas;

86

4. Estratégia da firma, estrutura e rivalidade: a condições que governam como

as companhias são criadas, organizadas, gerenciadas e a natureza da

rivalidade doméstica.

Esquema 1 – Os Determinantes da Vantagem Competitiva

Fonte: Adaptado de Porter (1990, p. 72).

Para Porter (1990), dois elementos possuem poderes especialmente grandes de

transformar ou dinamizar o “diamante” em um sistema: a rivalidade doméstica,

porque ela promove o crescimento de todo o “diamante” nacional, e a concentração

geográfica, porque ela eleva e amplia as interações dentro do “diamante”. Esta é a

justificativa para Porter trazer para seu campo de estudo a localização geográfica

das firmas, explorando, mais especificamente, o fenômeno por ele denominado de

clusters.

3.2.1 – O Conceito de Clusters

Historicamente, os estudos que enfocam a questão de proximidade espacial para

explicar padrões de crescimento econômico não são novos. Os próprios distritos

industriais de Marshall estão nas raízes deste novo conceito em voga. Outros

conceitos, tais como “pólos de crescimento”, “novos espaços industriais” e “millieux

CONDIÇÕES DE DEMANDA

ESTRATÉGIA DA FIRMA,ESTRUTURA E

RIVALIDADE

INDÚSTRIAS DESUPORTE E

RELACIONADAS

CONDIÇÕES DOS FATORES

87

local”, também buscaram enfatizar a questão da aglomeração industrial.

(FLOYSAND e JAKOBSEN, 2002). Uma das razões para que os clusters de Porter,

diferente de alguns estudos anteriores, adquirissem tamanha projeção tanto fora

quanto dentro do meio acadêmico estaria relacionada à inserção deste conceito na

agenda política e governamental de muitas regiões e países, que o enxergaram

como uma forma de liberar o potencial econômico de áreas aglomeradas pré-

existentes. (BENNEWORTH, 2002). Schmitz (2000), por sua vez, afirma que não há

a menor dúvida sobre o que iniciou toda esta “onda” de interesse nos clusters

industriais: o sucesso de exportação dos distritos industriais italianos.

Os clusters são definidos por Porter (1998a, p. 197, tradução nossa) como

“concentrações geográficas de companhias interconectadas, fornecedores

especializados, provedores de serviços, firmas em indústrias relacionadas e

instituições associadas em campos particulares que competem, mas que também

cooperam”. Apesar de esta ser a mais famosa entre as centenas de definições de

clusters que podem ser encontradas na literatura, Newlands (2003) enfatiza o

quanto esta definição é vaga, não definindo claramente o que é uma “concentração

geográfica”, “campo”, “indústria” e até mesmo o processo de competição.

Longe de serem diferentes dos estudos anteriores sobre aglomerações industriais,

os benefícios adquiridos por firmas co-localizadas nos clusters envolvem questões

relacionadas aos custos, ao fluxo de conhecimento e aos processos de cooperação

existentes. A co-localização, por exemplo, é capaz de diminuir os custos de

transporte e de interação, assim como os custos de identificar, acessar e

intercambiar produtos e serviços, facilitando desta forma o intercâmbio de

conhecimento entre as firmas. Esta também é capaz de estimular a colaboração

horizontal entre as firmas, o que acaba por gerar efeitos externos de escala. Ao

mesmo tempo, frequentemente haverá uma rivalidade agressiva entre as firmas, que

serão capazes de comparar efetivamente as suas performances com as de seus

competidores, estimulando assim processos de inovação. Haverá também spillovers

de conhecimento, que dão às firmas a oportunidade de imitar os sucessos de outras.

Outro benefício advindo da co-localização de firmas seria o desenvolvimento de

mercados de trabalho e insumos especializados, originários de firmas que operam

em setores iguais ou relacionados. (FLOYSAND e JAKOBSEN, 2002).

88

3.2.1.2 – O Contexto Social dos Clusters Industriais

A definição de Porter acima exposta sobre os clusters é apenas uma das formas

pelas quais o autor explica este fenômeno. Na mesma literatura, por exemplo,

podemos ver Porter (1998a, p. 199, tradução nossa) definir cluster como “um grupo

geograficamente próximo de companhias interconectadas em um campo particular,

ligadas por comunalidades e complementaridades” ou “um sistema de firmas e

instituições interconectadas, cujo valor como um todo é maior do que a soma de

suas partes”. (PORTER, 1998a, p. 213, tradução nossa).

Independente das definições que Porter ou outros autores dêem aos clusters, todas

parecem abordar, implícita ou explicitamente, o contexto social no qual firmas

geograficamente próximas estão imersas. Van Dijk e Sverisson (2003), ao fazerem

um extenso levantamento na literatura das características que definem um cluster,

identificaram diversos elementos relacionados fortemente ao contexto social. Estes

afirmam que o conceito de cluster foi definido de múltiplas formas, cujas

características enfatizadas convenientemente refletiam a premissa de que “você

acha o que você está procurando”. A tabela abaixo, adaptada destes autores, expõe

as principais características definidoras deste fenômeno na literatura, sendo que as

características de número 4 e 5, conexões inter-firmas, são consideradas nas

literaturas consultadas fundamentais para a ocorrência deste tipo de aglomeração.

89

1 Relativa proximidade espacial dos empreendimentos

2 Uma alta densidade de atividade econômicas

3 Presença de numerosas firmas em a atividades iguais, semelhantes e

subsidiárias

4 Conexões inter-firmas entre as firmas como resultado de sub-contratação

vertical

5 Conexões inter-firmas entre as firmas em formas específicas de cooperação

horizontal

6 Algum grau de especialização

7 Uma história social conjunta

8 Processos de aprendizado mútuos e coletivos

9 Redes de relações sociais que não estão imersas em transações entre

produtores ou comerciantes

10 Economias externas resultantes das conexões inter-firmas e das redes de

relações sociais

11 Um papel para instituições locais e tradicionais

12 Um papel para os governos regionais e municipais

13 Background cultural partilhado

14 Ambiente institucional favorável

15 Circunstâncias favoráveis para a geração de confiança entre os parceiros de

negócios

16 Atmosfera generalizada de confiança e ausência ou limites ao oportunismo

17 Imitação de produto localmente difundida

18 Níveis semelhantes de sofisticação tecnológica

19 Pool de mão-de-obra comum

20 Pool partilhado de competência técnica

Quadro 2 - Características Definidoras de Clusters Propostas na Literatura

Fonte: Adaptado de Van Dijk e Sverisson (2003, p. 186).

Assim como nos escritos sobre os distritos industriais, principalmente os mais

recentes, o que Porter denomina de sócio-economia dos clusters, isto é, o conjunto

de relações sociais que promovem o desenvolvimento destas aglomerações, adquire

importância central. A mera presença de firmas, fornecedores e instituições em um

90

local cria o potencial para valor econômico, mas não assegura necessariamente a

realização deste potencial. (PORTER, 1998a). Conforme Van Dijk e Sverisson

(2003, p. 1987, tradução nossa), “a observação de firmas localizadas próximas umas

às outras não implica necessariamente que estas colaborem, em qualquer sentido

concreto da palavra, nem que esta seja a principal força de dinamismo econômico”.

Benneworth (2002) afirma que nem todas as aglomerações possuem o potencial de

se tornarem clusters. Esta transformação seria impulsionada pelas crescentes

oportunidades de criação de valor que surgem dos altos níveis de contato inter-

pessoal em indústrias relacionadas. Caberia então à “cola social”, segundo Porter

(1998a), unificar o cluster, estimulando o processo de construção de parcerias e,

desta forma, contribuindo para este processo de criação de valor.

Krätke (2002) afirma que o potencial de um desenvolvimento de um cluster está

fortemente associado à qualidade de sua organização social, sendo esta qualidade

produto do tipo, amplitude e proximidade das relações entre as várias firmas da

aglomeração, constituindo um “capital social” que não se restringe a uma única

companhia. Reforçando este aspecto das relações sociais, Porter (1998a, p. 226,

tradução nossa) dá uma outra definição aos clusters, definindo-os como “uma forma

de network que ocorre dentro de uma localização geográfica na qual a proximidade

das firmas e das instituições assegura certas formas de comunalidades e aumenta a

freqüência e o impacto das interações”.

Porter (1998a) posiciona os clusters como uma forma organizacional robusta ainda

pouco explorada na teoria, localizada no continuum entre os mercados e as

hierarquias. Esta forma organizacional nada mais seria que a governança através

das networks. Este autor afirma que as interações repetidas e os contratos informais

dentro de uma estrutura de cluster resultam da convivência e do trabalho em uma

área circunscrita, que estimulam a confiança e a comunicação aberta e reduzem os

custos de controlar e recombinar as relações de mercado.

Relacionando a teoria dos clusters às networks, Porter afirma (1998a) que esta

teoria é capaz de identificar quais agentes precisam estar na network, para que tipos

de relacionamentos e porque; além de oferecer uma nova forma de explorar os

91

mecanismos pelos quais as networks, o capital social e o engajamento cívico afetam

os resultados da competição e do mercado. Apesar de que, a princípio, a

proximidade geográfica não é essencial para a existência da network, Pietrobelli e

Barrera (2002, p. 542, tradução nossa, grifo nosso) afirmam que, em um sentido

restrito, “um cluster é definido como um grupo de firmas próximas espacialmente,

especializadas no desenvolvimento de um mesmo produto ou de similares”.

Complementando, estes autores afirmam que esta forma de organização gera

benefícios adicionais não somente às empresas, mas ao cluster como um tudo,

refletidos na divisão do trabalho, maior diferenciação do produto e aumento da

flexibilidade do tanto do processo de produção quanto do produto em si, fatores

também apontados no capítulo sobre distritos industriais.

Um problema na definição de Pietrobelli e Barrera, assim como na definição de

clusters feita por muitos outros, diz respeito a o quê é definido como proximidade

geográfica. Conforme Van Dijk e Sverisson (2003), o uso coloquial deste termo é um

pouco problemático, dependendo os estudos muito mais do contexto em que as

firmas de uma região estão imersas do que de uma metodologia pré-definida para

identificar um cluster. Uma alternativa apresentada por estes autores para definir

clusters está associada à proximidade social, onde a questão dos relacionamentos

em uma rede teria maior peso na determinação de um cluster do que a questão

geográfica.

Esta questão da proximidade social coloca ainda um outro problema inerente aos

clusters modernos: a dispersão das networks. Conforme Tracey e Clark (2003),

novos tipos de tecnologia de comunicação e de transporte permitiram a rápida

formação e reorganização de conexões e networks locais e globais, de forma que

muitos dos clusters hoje existentes não podem ser concebidos como sistemas locais

fechados. Portanto, o que se observa é que os clusters estão saindo de uma rede de

relacionamentos essencialmente local para se inserir em outra global, não ficando

mais tão evidente onde se inicia e onde termina este tipo de aglomeração.

Floysand e Jakobsen (2002) apontam que, apesar de representar uma forma local

de organização econômica, um cluster não depende somente de campos sociais

locais. Conforme exposto por estes autores, algumas destas aglomerações são

92

influenciadas por redes sociais tanto no aspecto regional quanto no nacional e até

mesmo no internacional, o que nos estudos de casos por eles realizados (clusters de

processamento de pesca noruegueses), explicam a habilidade destes em se

reestruturarem e adaptarem às mudanças nas condições do mercado.

Outro elemento importante no conceito de clusters é que, diferente dos distritos

industriais, cujas definições pós-Marshallianas são focadas nas pequenas e médias

empresas, os clusters podem englobar aglomerações constituídas tanto de

pequenas e médias empresas quanto de grandes corporações que convivem com

firmas de menor porte. (PORTER, 1998a).

3.2.2 – A Natureza dos Clusters

De acordo com Porter (1998a), as origens de um cluster podem ser associadas a

partes do seu modelo diamante, que estavam presentes em um local devido a

razões históricas. Uma das principais razões para a formação das primeiras

empresas em uma região é a disponibilidade de um conjunto de fatores, tais como

mão-de-obra especializada, pesquisa universitária, a própria localização física

eficiente ou uma infra-estrutura apropriada. Todavia, este autor afirma que os

clusters também podem se originar de (1) uma demanda local sofisticada ou

incomum, (2) da existência prévia de indústrias fornecedoras, relacionadas ou

clusters inteiros de indústrias relacionadas e (3) de eventos relacionados ao fator

acaso (chance events), onde a formação prévia de companhias em uma localização

geralmente reflete atos de empreendedorismo que não podem ser atribuídos às

circunstâncias locais favoráveis. Estes chance events estão diretamente

relacionados ao acidentes históricos expostos no tópico sobre a Nova Geografia

Econômica. O cluster de tapetes de Dalton, Estados Unidos, é um exemplo de

aglomeração originário do “acaso”.

Complementando as observações de Porter, os autores Chiles e Meyer (2001)

apontam que a decisão de localização de uma firma ou conjunto de firmas baseada

em fatores estratégicos pode alavancar o mesmo processo de formação de clusters.

O cluster de mídia de Hollywood, por exemplo, cuja origem data do início do século

XX, tem suas raízes relacionadas a sérias questões legais no estado de Nova York

93

que forçaram muitos dos produtores de filmes daquele estado a se mudar para a

costa oeste dos Estados Unidos, mais especificamente, para a cidade de Los

Angeles. Entre 1909, data da fundação do primeiro estúdio em Hollywood, e 1914 a

cidade já contava com quinze estúdios, firmando-se como o cluster cinematográfico

dominante daquele país.

Muitos autores reforçam o aspecto de que os clusters não surgem de forma

deliberada (no curto prazo) ou espontaneamente. Reforçando a questão histórica,

Benneworth (2002), por exemplo, enfatiza o surgimento destes como um

empreendimento de longo prazo, afirmando que todos os clusters baseiam-se em

forças que foram construídas ao longo de vários períodos de investimentos e

compromissos significativos, afirmando ainda que a formação destes envolve muito

mais a busca de novas maneiras de combinar os ativos existentes do que a criação

de ativos totalmente novos. De forma semelhante, Jones, Hesterly e Borgatti (1997)

explicam que, dado o fato de que as networks envolvem a disseminação de crenças

culturais e valores entre muitas partes autônomas, o estabelecimento de rotinas e

convenções para a realização de tarefas complexas pode levar até décadas. Já

Kotval e Mullin (1998) argumentam que a formação de clusters industriais não ocorre

de forma espontânea. Estes autores, ainda que de forma muito limitada e simplista,

afirmam que deve haver empresas que competem entre si, fornecedores sofisticados

que coexistem com as firmas locais, companhias cujos planos estratégicos definem

a competição em um aspecto global e um desejo por melhoria.

Descrevendo de modo sucinto este processo de formação de clusters, Arthur13

(1994) apud Meyer e Chiles (2001) afirma que, inicialmente, as firmas se

estabelecem em uma região como resultado de sua atratividade ou como

conseqüência de acidente histórico ou ação estratégica. Os retornos crescentes

(vistos anteriormente) ampliam a vantagem original desta região e acabam

“travando-a” (lock in) como um local de atividades especializadas. A presença da

concentração inicial de firmas atrai outras firmas, que reconhecem os benefícios de

estarem próximas a firmas semelhantes ou relacionadas, e esta maior concentração

13 ARTHUR, W. B.. Increasing Returns and Path Dependence in the Economy, Ann Arbor, MI: University of Michigan Press.

94

de firmas, por sua vez, atrai mais firmas, ocasionando o estabelecimento da

aglomeração.

Porter (1998a) afirma que os clusters podem variar tanto em tamanho e amplitude

quanto em estágio de desenvolvimento e que a natureza dos clusters é determinante

na estrutura das indústrias e firmas que o constituem. Desta forma, enquanto alguns

clusters mais desenvolvidos podem possuir uma ampla base de fornecedores

especializados e uma quantidade maior de indústrias relacionadas e instituições de

suporte, outros, menos desenvolvidos, podem apresentar carência em alguns destes

aspectos. Além disso, as fronteiras destas aglomerações evoluem à medida que

novas firmas e indústrias emergem, indústrias estabelecidas entram em declínio e

instituições locais se desenvolvem e mudam.

Os clusters estão geralmente concentrados em áreas geográficas particulares e às

vezes em uma única cidade ou região metropolitana. A concentração geográfica

ocorre porque a proximidade serve para ampliar muitos dos benefícios de inovação e

produtividade da aglomeração. Nestas regiões, os custos de transação são

reduzidos, a criação e fluxo de informação melhoram, as instituições locais são

responsáveis por muitas das necessidades especializadas de um cluster e as

pressões competitivas são mais fortemente sentidas. (PORTER, 1998b).

3.2.2.1 – Localização e Competição

Porter (1998a) afirma que, em décadas recentes, a visão predominante sobre o

modo como as empresas competiam entre si era extremamente simplista. O

conceito de vantagem comparativa, apesar de importante para a compreensão do

processo competitivo, é visto por como falho em representar de forma real a

competição. Porter argumenta que fatores tais como o suprimento ampliado de

insumos, que se expande à medida que mais países se integram à economia global,

e a maior eficiência dos mercados nacionais e internacionais, estão tornando o

aspecto “comparativo” das nações menos valioso. Neste novo cenário, o que

realmente parece importar são conexões próximas com compradores, fornecedores

e outras instituições, que contribuem não somente para a eficiência, mas também

para a taxa de melhoria e inovação.

95

Um dos alicerces da nova visão de Porter sobre competição se baseia em inovação

e na busca por diferenças estratégicas. Nesta perspectiva, considerada mais

ampla e dinâmica pelo autor, a localização é vista como um fator que afeta

diretamente a vantagem competitiva das firmas. O enfoque deste autor na análise

das economias através dos clusters, em vez de agrupamentos tradicionais tais como

companhias, setores e indústrias, se justificaria pelo fato destes estarem alinhados

de modo melhor com a natureza da competição e as fontes de vantagem

competitiva. Na visão porteriana, os clusters, de forma mais ampla que as indústrias,

capturam importantes conexões, complementaridades, spillovers de tecnologia,

habilidades, informações, marketing e necessidades dos clientes. Estas conexões

são consideradas fundamentais para a competição, a produtividade e,

especialmente, para o ritmo de inovação e de formação de novos negócios.

(PORTER, 1998a).

Nesta nova visão de competição, a localização afetaria a vantagem competitiva

através de sua influência sobre a produtividade e o crescimento da produtividade. A

prosperidade de uma localização não seria uma variável dependente da indústria a

qual as firmas de um cluster pertencem, mas sim do modo como as firmas de uma

indústria irão competir. Portanto, as firmas podem prosperar da mesma forma em

qualquer indústria (agricultura, sapatos, semicondutores etc.) se estas empregarem

métodos sofisticados, usarem tecnologia avançada e oferecerem produtos e serviços

diferenciados. A estrutura de produtividade de um cluster é fundamental, pois é esta

que estabelece os salários que serão pagos e os lucros que serão gerados. Neste

aspecto, a presença de sofisticadas firmas estrangeiras possui a capacidade de

aumentar a produtividade das firmas domésticas e vice-versa. (PORTER, 1998a).

Outro ponto observado por Porter (1998a) é que a sofisticação e a produtividade das

firmas que competem em um cluster são fortemente influenciadas pela qualidade ou

estrutura do ambiente de negócios. Os efeitos de alguns aspectos, tais como o

sistema rodoviário, impostos corporativos e o sistema legal recaem sobre todas as

indústrias. Desta forma, um sistema de transporte precário pode impedir que firmas

em uma aglomeração utilizem técnicas logísticas mais sofisticadas, ou um mão-de-

obra pouco qualificada poderá ser um impeditivo na utilização de estratégias de alto

96

serviço. Estes aspectos podem representar, em termos nacionais, fortes restrições à

competitividade das economias em desenvolvimento, como é o caso do Brasil.

O processo de formação de clusters, para Porter (1990), é essencial para a

vantagem competitiva das nações, o que, segundo ele, gera implicações na política

dos governos e na estratégia das companhias. Dentro do aspecto competitivo,

referindo-se mais uma vez à importância dos clusters para as economias nacionais,

Porter (1998a) afirma que:

O movimento para uma economia avançada requer o desenvolvimento de uma vigorosa rivalidade local. A rivalidade deve mudar de baixos salários para custos totais baixos, o que requer a melhoria da eficiência da manufatura e da entrega de serviços. Definitivamente, a rivalidade deve também evoluir além do custo para incluir a diferenciação. A competição deve mudar da imitação para a inovação e do baixo para o alto investimento, não apenas em ativos físicos, mas em intangíveis tais como habilidades e tecnologias. Os clusters (...) desempenham um papel integral nestas transições. (PORTER, 1998a, p. 212, tradução nossa, grifo nosso).

Os clusters afetam a competição de três formas. Em primeiro lugar, eles aumentam

a produtividade das companhias neles localizadas; em segundo lugar, eles

conduzem a direção e o ritmo de inovação, que são suporte ao futuro crescimento

de produtividade; e, terceiro, eles estimulam a formação de novos negócios, o que

provoca e a expansão e fortalecimento do próprio cluster. (PORTER, 1998c). Cada

uma destas influências depende até certo ponto das relações pessoais,

comunicação face a face e da interação entre as networks de indivíduos e

instituições.

Não diferente dos distritos industriais, os clusters representam também uma

combinação de competição e cooperação. De acordo com Porter (1998a), a maior

parte da competição ocorre na disputa de clientes e na retenção deles, intensificada

pela presença de múltiplos concorrentes e fortes incentivos à concentração em uma

determinada região. Já muito da cooperação é vertical, envolvendo indústrias

relacionadas e instituições locais. Porter enfatiza que a cooperação e a competição

não são mutuamente excludentes em um cluster. Ambas podem coexistir porque

elas ocorrem em dimensões distintas e entre diferentes partes envolvidas. A

cooperação pode ocorrer tanto horizontal quanto verticalmente, havendo evidências

97

na literatura de que firmas cujos outputs se complementam possuem maiores

chances de cooperação do que firmas com produtos idênticos ou muito

semelhantes. “A cooperação surge do reconhecimento da interdependência”.

(SCHMITZ, 2000, p. 333, tradução nossa).

Da forma semelhante a Porter, Newlands (2003) afirma que as fontes de vantagens

para as firmas dentro dos clusters estão unidas à questão do equilíbrio entre a

cooperação e a competição, não havendo necessariamente nenhuma contradição

entre ambas. Segundo este autor, a colaboração entre as firmas pode ajudá-las a

serem mais inovadoras, de forma a capturar ou sustentar a vantagem competitiva.

Desta forma, os benefícios da colaboração podem se sobrepor às externalidades

negativas causadas pela competição corrosiva ou pelas deseconomias de escala no

cluster.

3.2.2.2 – Clusters e Inovação

Porter (1998a) afirma que os benefícios dos clusters na inovação e no crescimento

da produtividade, comparados com uma localização isolada, podem ser mais

importantes do que aqueles na produtividade atual. As firmas dentro de um cluster,

de acordo com Porter, são frequentemente capazes de perceber de forma mais clara

e rápida as necessidades dos consumidores. A participação em um cluster também

proporciona vantagens na percepção do potencial de novas tecnologias e

possibilidades operacionais e logísticas, facilitadas pelas relações contínuas com

outras entidades da aglomeração, pela facilidade de visitas aos sítios e pelos

contatos pessoais freqüentes. Desta forma, a localização de firmas em um cluster

proporciona a elas capacidade de inovação superior àquelas que se encontram fora

dele.

Por trás das grandes vantagens proporcionadas pelo cluster no aspecto da inovação

estaria a enorme pressão – advinda da competição, de parceiros e de constante

comparação – ocorrendo na área industrial geograficamente concentrada. A

similaridade de aspectos básicos, tais como os custos de mão-de-obra e os custos

de utilidade, combinada com a presença de muitos rivais acaba forçando as firmas a

se distinguirem umas das outras. A pressão para inovar é elevada, chegando ao

98

ponto de que muitas firmas líderes no cluster possuem dificuldade em

permanecerem nesta posição por um longo período, mas muitas das firmas dentro

do cluster se desempenham melhor do que aquelas baseadas em outras regiões.

(PORTER, 1998a).

Isaksen (1997) argumenta que no período pós-fordista, conhecido pelo advento da

especialização flexível, a atividade de inovação via formação de redes de relações

sociais (networks) se tornou a mais importante. Neste modelo, as inovações passam

a ocorrer como um aprendizado interativo entre as firmas e seus ambientes externos

e a atividade de inovar requer cooperações próximas e de longa duração entre

firmas e instituições. Isaksen conclui afirmando que este tipo de cooperação pode

ocorrer de forma melhor quando as firmas se aglomeram localmente, estimulando a

formação de clusters.

Longe de serem aglomerações muito distintas, tanto os distritos industriais quanto os

clusters, vistas como formas de aglomeração regidas pela governança em networks,

apresentam problemas muito semelhantes. Estes reveses podem impedir de forma

prejudicial o processo de inovação. De acordo com Porter (1998a), sob certas

circunstâncias, a participação nos clusters pode retardar a inovação. Quando um

cluster partilha de uma abordagem uniforme de competição, uma espécie de

groupthink frequentemente reforça comportamentos antigos, suprime novas idéias e

cria a rigidez que previne a adoção de melhorias. Devido a esta rigidez, os clusters

podem acabar não suportando o advento de inovações radicais e,

consequentemente, entrar em decadência. (KEEBLE e WILKINSON, 1999). Tracey e

Clark (2003) alertam também sobre os perigos da homogeneidade em cluster e

afirmam que redes fortes e bem estabelecidas podem ser realmente efetivas em

transmitir informações, mas tendem a ser pobres fontes de novas idéias e formas de

trabalhar. “Relações internas intensas e group thinking entre as firmas podem

produzir regras específicas que as previnem de se reorganizarem, mesmo quando

os mercados e as tecnologias estão mudando”. (FLOYSAND e JAKOBSEN, 2002, p.

38, tradução nossa).

99

CAPÍTULO 4 – METODOLOGIA DE PESQUISA

Apresentaremos neste capítulo os principais aspectos relacionados à metodologia

de pesquisa adotada neste trabalho. Os resultados a serem apresentados nesta

dissertação são reflexo de uma pesquisa quantitativa exploratória. Porém, antes de

procedermos à explicação de como preparamos o caminho para os resultados de

nosso trabalho, acreditamos ser necessária uma breve revisão sobre o que é

metodologia em si e do que se trata uma pesquisa exploratória com um

direcionamento quantitativo.

4.1 – O Conceito de Metodologia

Baseados no escasso conhecimento de etimologia, podemos intuitivamente dizer

que metodologia nada mais é que o “estudo dos métodos” ou, nas palavras de

Kaplan (1964, p. 18, tradução nossa), “o estudo – a descrição, explicação e

justificativa – dos métodos, e não os métodos em si”. Todavia, como podemos definir

“método”, conceito talvez mais importante do que o da própria metodologia? Dentre

as diversas definições encontradas na literatura, podemos destacar aquelas de

Trujillo Ferrari14 (1974) apud Marconi e Lakatos (2000) e o de Marconi e Lakatos

(2000), expostos abaixo.

Método é a forma de proceder ao longo de um caminho. Na ciência os métodos constituem os instrumentos básicos que ordenam de início o pensamento em sistemas, traçam de modo ordenado a forma de proceder do cientista ao longo de um percurso para alcançar um objetivo. (TRUJILLO FERRARI, 1974, p. 24 apud MARCONI e LAKATOS, 2000, p. 45).

O método é o conjunto das atividades sistemáticas e racionais que, com maior segurança e economia, permite alcançar o objetivo – conhecimentos válidos e verdadeiros –, traçando o caminho a ser seguido, detectando erros e auxiliando as decisões do cientista. (MARCONI e LAKATOS, 2000, p. 46).

14 TRUJILLO FERRARI, Alfonso. Metodologia da Ciência. 2. e 3. edições, Rio de Janeiro: Keneddy, 1974.

100

Desta forma, podemos dizer que objetivo da metodologia “é descrever e analisar

estes métodos, lançando luz nas suas limitações e recursos, clarificando seus

pressupostos e conseqüências, relatando suas potencialidades aos limites das

fronteiras do conhecimento” (KAPLAN, 1964, p. 23, tradução nossa).

Marconi e Lakatos (2000) separam os métodos em dois níveis claramente distintos:

o método de abordagem, que seria o nível referente à inspiração filosófica,

caracterizado por um nível de abstração mais elevado dos fenômenos da natureza e

da sociedade, e o método de procedimento, relacionado às etapas mais concretas

da investigação, com finalidade mais restrita em termos de explicação geral dos

fenômenos e menos abstrato.

Quanto ao método de abordagem, este é discriminado em indutivo, dedutivo,

hipotético-dedutivo e dialético. Destes, acreditamos que o método dedutivo é o que

melhor se encaixa com a descrição de nossa pesquisa, pois este, partindo das

teorias e leis, na maioria das vezes prediz a ocorrência de fenômenos particulares.

(MARCONI e LAKATOS, 2000). Neste trabalho, estamos partindo de toda uma

revisão de literatura que exalta o diferencial competitivo dos mais diversos tipos de

aglomerações industriais, prevendo, a partir deste, um resultado econômico superior

das firmas aglomeradas em relação às não aglomeradas.

Quanto ao método de procedimento, nosso trabalho se encaixa com o método

estatístico, cujos processos, conforme MARCONI e LAKATOS (2000):

Permitem obter, de conjuntos complexos, representações simples e constatar se essas verificações simplificadas têm relações entre si. Assim, o método estatístico significa redução de fenômenos sociológicos, políticos, econômicos etc. a termos quantitativos e de manipulação estatística, que permite comprovar as relações dos fenômenos entre si, e obter generalizações sobre sua natureza, ocorrência ou significado” (MARCONI e LAKATOS, 2000, p. 93, grifo nosso).

A mensuração do efeito da aglomeração sobre o desempenho das firmas envolve,

necessariamente, uma pesquisa de cunho quantitativo, onde ferramentas de análise

estatística serão utilizadas para a compreensão do fenômeno.

101

4.2 – A Pesquisa Exploratória

Selltiz et al. (1974, p. 59) afirmam que, uma vez que o problema de pesquisa tenha

sido formulado de maneira suficientemente clara para que possa especificar os tipos

de informações necessárias, o pesquisador precisa criar o seu planejamento de

pesquisa, definido por estes como “a organização das condições para a coleta e

análise de dados, de maneira que procure combinar a significação para o objeto da

pesquisa com a economia de processo”. Disso decorre que os planejamentos de

pesquisa variam de acordo com o objetivo da mesma.

Estes mesmos autores argumentam que, de modo geral, os objetivos de pesquisas

podem ser incluídos em certo número de amplos agrupamentos, havendo, para cada

um destes objetivos, um determinado tipo de estudo indicado. Tais agrupamentos

são os seguintes:

1. Familiarizar-se com o fenômeno ou conseguir nova compreensão deste,

frequentemente para poder formular um problema mais preciso de pesquisa

ou criar novas hipóteses;

2. Apresentar precisamente as características de uma situação, um grupo ou

um indivíduo específico (com ou sem hipóteses iniciais específicas a respeito

da natureza de tais características);

3. Verificar a freqüência com que algo ocorre ou com que está ligado a alguma

outra coisa (geralmente, mas não sempre, com uma hipótese inicial

específica);

4. Verificar uma hipótese de relação causal entre as variáveis.

Nosso estudo alinha-se perfeitamente com o primeiro objetivo supracitado,

caracterizando-o, desta forma, como um estudo exploratório, cujo objetivo primário,

de acordo com Malhotra (1999) é prover insights e compreensão acerca do

problema com o qual o pesquisador depara. De forma mais detalhada, este mesmo

102

autor afirma que a pesquisa exploratória pode ser utilizada para qualquer dos

seguintes propósitos:

• Formular um problema ou defini-lo de modo mais preciso;

• Identificar cursos alternativos de ação;

• Desenvolver hipóteses;

• Isolar variáveis e relações importantes, visando verificações mais extensas;

• Obter insights, a fim de desenvolver uma abordagem ao problema;

• Estabelecer prioridades para pesquisas futuras.

Quanto às características do desenho exploratório, Malhotra (1999) afirma que este

possui um processo de pesquisa flexível e não-estruturada, cujos resultados devem

ser considerados como uma tentativa ou um input a futuras pesquisas. A ausência

de uma estrutura permite uma busca detalhada de idéias e pistas interessantes

sobre o problema. Suas hipóteses ou são vagas e pouco definidas, ou simplesmente

não existem (AAKER, KUMAR e DAY, 1998), como é o caso de nossa pesquisa.

Apesar de Malhotra (1999) e Aaker, Kumar e Day (1998) afirmarem que os métodos

da pesquisa exploratória são predominantemente qualitativos, não há impedimentos

para que uma pesquisa quantitativa baseada em dados secundários possa ser

considerada exploratória. Assim como a sua contraparte qualitativa, a pesquisa

quantitativa pode também ser uma fonte valiosa de novas idéias a serem exploradas

e é capaz de definir problemas e formular hipóteses sobre suas soluções.

O caráter exploratório conferido a esta pesquisa se deve ao fato de nosso processo

de amostragem ser não-probabilístico, onde o pesquisador geralmente delineia

critérios e procedimentos para a obtenção da amostra. Este tipo de amostragem

impede que a validade das inferências a uma população seja determinada, já que

não é possível estimar os erros amostrais. Em outras palavras, a amostragem não-

probabilística, apesar de apresentar vantagens em termos de restrições econômicas

e de viabilidade, não pode ter seus resultados generalizados. (PEDHAZUR e

SCHMELKIN, 1995). Os subitens a seguir apresentarão maiores detalhes sobre a

fonte de nossos dados e de que forma o tamanho da amostra foi determinado.

103

4.2.1 – O Uso de Dados Secundários

Este trabalho fará uso de uma base de dados secundários. Antes de fornecer

maiores detalhes sobre a fonte de onde originarão os resultados de nossa pesquisa,

acreditamos que é fundamental expor nesta seção, ainda que de forma breve, o que

são dados secundários, quais seus propósitos, benefícios e limitações.

Aarker, Kuma e Day (1998) definem dados secundários como os dados coletados

por pessoas e agências para propósitos diferentes daqueles que um investigador

possui diante de um problema distinto (e geralmente novo) que se apresenta. Seus

usos podem abranger as seguintes finalidades:

• Prover informações suficientes para resolver o problema investigado;

• Podem ser uma valiosa fonte de novas idéias que podem ser exploradas

posteriormente com dados primários;

• Podem ser um pré-requisito à coleção de dados primários;

• Podem ser utilizados como modelos para a coleção de dados primários;

• Ajudam a definir a população, selecionar a amostra e definir os parâmetros da

pesquisa primária;

• Podem servir como referência para verificação de validade ou precisão dos

dados primários.

Aaker, Kumar e Day (1998) expõem os principais benefícios e limitações que cercam

o uso de dados secundários, conforme pode ser observado no quadro 3.

104

Benefícios Limitações

Baixo Custo Coletados para propósitos diferentes do

objetivo da pesquisa

Esforço para obtenção menor Nenhum controle sobre a coleta de

dados

Economia de tempo

Podem não ser muito precisos

Ocasionalmente mais precisos do que os

dados primários

Podem não ser informados da maneira

necessária

Algumas informações só podem ser

obtidas através de dados secundários

Podem estar desatualizados

Podem não ser suficientes para cobrir as

necessidades do pesquisador

Um número de pressupostos deve ser

feito

Quadro 3 – Benefícios e Limitações dos Dados Secundários

Fonte: Adaptado de Aaker, Kumar e Day (1998).

Jacob (1984), da mesma forma, afirma que, apesar de toda a riqueza existente em

uma base de dados publicados, o uso destes é como a “maçã no jardim do Éden”:

tentador, mas cheio de perigos. Entre estes perigos, o autor destaca os erros de

amostragem, erros de medição, invalidade de construtos, falta de confiabilidade nos

resultados, dentre outros.

4.3 – Universo e Amostra

O universo da pesquisa é caracterizado pelas empresas de confecção localizadas no

estado de São Paulo. Para retirar deste universo uma amostra, necessitávamos de

um instrumento que nos orientasse em uma seleção mais específica de que tipo de

confecção analisaríamos, dado que nesta indústria o tipo de produto fabricado pode

variar muito de uma firma para outra. Nosso objetivo era formar uma amostra cujos

elementos se envolvessem em atividades iguais ou bastante semelhantes. O

105

instrumento que nos guiou neste objetivo foi a Classificação Nacional de Atividade

Econômica (CNAE).

A CNAE é uma ferramenta que possui a finalidade de agrupar as atividades

econômicas do país a partir de um código composto de cinco dígitos numéricos, no

formato “00000-0”. (IBGE, 2004). Elaborada pela Comissão Nacional de

Classificação, órgão vinculado ao IBGE, a CNAE discrimina as atividades

econômicas na seguinte hierarquia: seção, divisão, grupo e classe. Esta hierarquia,

responsável por atribuir ao CNAE os quatro primeiro dígitos, será explicada a seguir.

A seção é o agrupamento mais genérico, onde, por exemplo, separam-se as

atividades relacionadas à agricultura daquelas ligadas à indústria extrativa ou à

indústria de transformação. A seção, apesar de ser uma classificação primária das

atividades, não possui nenhum código específico na CNAE, sendo utilizada somente

como uma primeira orientação à classificação. Cada seção possui suas respectivas

divisões. Então, por exemplo, na indústria de transformação podemos encontrar as

divisões de fabricação de produtos alimentícios e bebidas, confecção de artigos de

vestuário e acessórios, fabricação de produtos de madeira, dentre muitas outras. As

divisões correspondem aos dois primeiros dígitos da CNAE. Já os grupos são um

detalhamento da divisão, onde as classes de atividades são separadas em

conjuntos, de acordo com a semelhança entre elas. Os grupos correspondem ao

terceiro dígito da CNAE. Por fim, temos as classes da indústria, onde cada uma das

atividades a elas relacionadas é discriminada. As classes correspondem ao quarto

dígito da CNAE. O quinto e último dígito é um algarismo para controle interno do

IBGE e, portanto, não possui nenhuma utilidade em nossa pesquisa.

Desta forma, utilizando a CNAE, vemos que a indústria de confecções está

descriminada da seguinte forma: primeiramente, esta se encontra dentro da divisão

confecção de artigos do vestuário e acessórios (código “18” da CNAE), pertencente

à seção de indústria de transformação. O código “18” possui dois grupos: “181” e

“182”, dedicados, respectivamente, à confecção de artigos do vestuário e à

fabricação de acessórios do vestuário e de segurança profissional. Por fim, as

classes pertencentes a estes grupos (cinco no total) são especificadas. O quadro 4

106

abaixo expõe, além de cada uma das classes, toda a hierarquia desta indústria, de

acordo com o CNAE.

Seção: Indústria de Transformação

Divisão: 18 (Confecção de Artigos do Vestuário e Acessórios)

Grupos: 181 (Confecção de Artigos do Vestuário) e 182 (Fabricação de Acessórios

do Vestuário e de Segurança Profissional).

Classes do Grupo 181:

18.11-2: Confecção de peças interiores do vestuário

18.12-0: Confecção de outras peças do vestuário

18.13-9: Confecção de roupas profissionais

Classes do Grupo 182

18.21-0: Fabricação de acessórios para o vestuário

18.22-8: Fabricação de acessórios para segurança industrial e pessoal

Quadro 4 – Hierarquia da Indústria de Confecções

Fonte: Adaptado de IBGE (2004)

Através do quadro acima, podemos observar que as empresas de nosso interesse

são aquelas cujas atividades encontram-se nas classes do Grupo 181, ficando as do

Grupo 182, relacionadas à produção de acessórios, fora de nossa análise. Desta

forma, a amostra das firmas a serem analisadas irá corresponder àquelas com

CNAE 18.11-2, 18.12-0 e 18.13-9, destacadas no quadro.

4.3.1 – A Base de Dados Secundários: A Pesquisa de Atividade Econômica

Paulista

Os elementos de nossa amostra serão retirados da base de dados secundários

conhecida como Pesquisa de Atividade Econômica Paulista (PAEP), realizada no

estado de São Paulo pela Fundação SEADE. Os resultados desta base, publicados

no ano de 2004, são referentes a dados relativos ao ano-base de 2001.

A PAEP, na verdade, possui uma série de bases de dados secundários, uma vez

que esta pesquisa não foi aplicada somente à indústria, mas também ao comércio,

107

serviços e bancos, e à indústria da construção civil. Para indústria, serviços e

comércio, a empresa e a unidade local15 (UL) foram definidas como as unidades de

investigação. Na empresa, levantaram-se informações financeiras e de estratégia da

produção e, nas unidades locais, dados relativos às atividades operacionais e aos

aspectos de localização. Já nos setores da construção civil e bancos, a unidade de

investigação foi apenas a empresa. (FUNDAÇÃO SEADE, 2004).

Deve ser aqui observado que os dados da PAEP sobre empresas e unidades

locais não estão localizados em uma mesma base de dados. Apesar de haver

informações – ainda que muito escassas – sobre aspectos de localização na base

das unidades locais, optamos pela base de empresas, dada a maior complexidade e

quantidade de variáveis de interesse que nela constam.

Os dados das bases da PAEP foram recolhidos através de questionários aplicados

nas sedes das empresas. A PAEP utilizou dois modelos de questionários para a

coleta das informações (o completo e o simplificado), que foram definidos com base

na necessidade de abordagens distintas das empresas, de acordo com seu porte e

respeitando as diferenças dos sistemas de contabilidade empresarial utilizados

O questionário completo foi aplicado na indústria e na construção civil para todas as

empresas com cinco ou mais pessoas ocupadas, nos setores de serviços e

comércio, para empresas com 20 ou mais pessoas ocupadas, e no setor de bancos,

para todas as empresas. O modelo simplificado, utilizado nos setores de serviços e

comércio, é uma versão reduzida do questionário completo, com algumas questões

específicas para empresas de pequeno porte, sendo aplicado nas empresas com até

19 pessoas ocupadas. (FUNDAÇÃO SEADE, 2004).

O modelo completo do questionário para a indústria foi dividido em três blocos,

organizados da seguinte maneira, conforme o quadro a seguir.

15 O termo Unidade Local (UL) refere-se às filiais da empresa localizadas no estado de São Paulo. Caso a empresa não possua filiais, ou seja, é unilocal, a UL é a própria matriz da empresa.

108

Blocos Capítulos Detalhamento

Capítulo 1 Informações Patrimoniais

Capítulo 2 Informações Econômico-

Financeiras Administrativo-Financeiro

Capítulo 3 Emprego e Recursos

Humanos

Capítulo 4 Tecnologia da Informação

Capítulo 5 Comércio Eletrônico

Capítulo 6 Inovação Tecnológica

Capítulo 7 Estratégias de Gestão

Capítulo 8 Meio Ambiente

Técnico-Produtivo

Capítulo 9 Contratação de Terceiros

Unidades Produtivas

Industriais Capítulo 10

Regionalização

Automação

Investimentos

Recursos Humanos

Relação com escolas

técnicas

Quadro 5 – Estrutura dos Questionários da Indústria – PAEP 2001.

Fonte: Fundação SEADE, 2004, p. 2.

Os elementos de apoio à determinação da amostra e as variáveis dependentes e

independentes de nossa análise estavam localizadas no bloco Administrativo-

Financeiro. O bloco técnico-produtivo, apesar de possuir capítulos com dados que

poderiam ser relevantes para o estudo, não pôde ser utilizado, uma vez que a

Fundação SEADE ainda não havia liberado a maioria destes dados para uso

público. O bloco de Unidade Produtivas Locais, referente a todas as filiais das

empresas, teve que ser excluído, pois enfocamos apenas as firmas com uma

unidade industrial, por razões que serão melhor explicadas no próximo subitem.

Os parágrafos acima sobre a PAEP 2001 são apenas um apanhado superficial de

seu conteúdo e metodologia. Para informações mais detalhadas sobre a

109

metodologia desta pesquisa realizada pela Fundação SEADE, adicionamos maiores

informações no Anexo B desta dissertação.

4.3.1.1 – Determinando o tamanho da amostra

A base de dados da PAEP para a indústria paulista contém nada mais que 11.524

empresas cadastradas, pertencentes aos mais variados setores industriais do

estado. Estas empresas foram amostradas de forma aleatória ou censitária, de

acordo com o número de funcionários existente em cada empresa. Maiores detalhes

sobre o processo de amostragem da PAEP podem também ser encontrados no

Anexo B.

Através da utilização da variável das CNAEs das firmas cadastradas na base,

selecionamos todas aquelas que pertenciam à divisão 18 desta classificação

(Confecção de Artigos do Vestuário e Acessórios), perfazendo um total de 814

elementos. Destas, nos interessava saber somente quais possuíam as CNAEs

correspondentes ao grupo 181 (confecção de artigos de vestuário), permanecendo,

portanto, um total de 763 empresas até esta fase.

Uma vez que as firmas do grupo 181 estivessem selecionadas, precisávamos saber

quantas firmas da base eram unilocais, ou seja, possuíam somente uma planta

industrial instalada no estado de São Paulo. A razão para este filtro se deve ao fato

de o Valor Adicionado, variável-chave para a formação das variáveis dependentes

de nosso estudo, ser consolidado para as empresas que possuem mais de uma

planta industrial no estado, denominadas multilocais. Desta forma, a manutenção

destas empresas multilocais poderia prejudicar os resultados da análise. A aplicação

deste filtro fez com que um total de 573 empresas permanecesse para a seleção

final de nossa amostra.

Destas firmas restantes, observamos que 91 apresentavam uma quantidade

insuficiente de variáveis respondidas para fazer parte de nossa seleção, sendo,

portanto, eliminadas. Outras 10, apesar de pertencentes ao grupo 181, não

desenvolviam uma atividade de transformação e também foram eliminadas.

110

Desta forma, chegamos ao número final de 471 firmas aptas a fazer parte de nossa

análise.

4.4 – Determinação da Ferramenta de Análise

Para responder aos objetivos de nossa pesquisa, utilizaremos como ferramenta a

análise de regressão múltipla, uma técnica estatística utilizada para verificar a

relação entre uma única variável dependente e diversas variáveis independentes

(previsoras). O objetivo da análise de regressão múltipla é utilizar as variáveis

independentes cujos valores são conhecidos para prever o valor dependente

selecionado pelo pesquisador. (HAIR et al., 1995).

Para a análise dos resultados, selecionamos variáveis que respondessem tanto o

objetivo primário quanto o secundário de nossa pesquisa. Nosso estudo envolverá

análises de regressão em função de duas variáveis dependentes, Valor Adicionado

por Funcionário e Valor Adicionado por Receita. Estas, assim como as variáveis

independentes, são originárias do bloco administrativo-financeiro do questionário da

PAEP. A única exceção é a variável independente “Nível de Aglomeração”, que

necessitou ser inserida na base de dados da PAEP para viabilizar a análise dos

resultados.

O quadro 6 reúne as variáveis dependentes e independentes a serem utilizadas em

nossas análises de regressão. Estas foram classificadas quanto ao seu tipo e escala

de medição. Quanto ao tipo, as variáveis podem ser contínuas ou categóricas;

quanto à escala, podem ser classificadas como intervalares, ordinais, nominais e de

razão. Consideramos importante que cada tipo e escala de medição das variáveis

seja compreendido, de modo que fique clara a natureza de cada uma delas.

Quanto ao tipo, Pedhazur e Schmelkin (1991) definem da seguinte forma as

variáveis:

Contínua: variável cujos objetos diferem em grau, não em tipo. Nestas variáveis,

portanto, distinções entre objetos, pessoas, dentre outros elementos são feitas na

111

base de serem “mais” ou “menos” em relação à variável a que se refere. Alguns

autores também a denominam variáveis quantitativas, outros, de numéricas.

Categórica: variável na qual categorias mutuamente exclusivas e exaustivas são

atribuídas aos objetos (pessoas, eventos). Em outras palavras, nas variáveis

categóricas os objetos diferem em tipo, não em grau.

Quanto à escala de medição, Pedhazur e Schmelkin (1991) possuem as seguintes

classificações:

Intervalar: A medição intervalar ocorre quando se atribui números aos objetos, de

forma que as diferenças entre os números podem ser interpretadas com respeito ao

atribuído sendo medido. Desta forma, unidades constantes de medição são

utilizadas na escala intervalar, representando significantes expressões de diferenças

entre os objetos.

Nominal: na escala nominal, os números, tratados como rótulos, são utilizados

como substitutos aos nomes ou qualquer outro símbolo que identifique um objeto ou

uma classe de objetos.

Ordinal: na escala ordinal, os números atribuídos à pessoas ou objetos refletem o

ordenamento de um atributo em questão. A separação das pessoas por faixa etária,

por exemplo, é um exemplo de escala ordinal.

Escala de Razão: tipo de escala que, além de possuir as características de uma

escala intervalar, é caracterizada pela existência de um zero verdadeiro ou absoluto.

Este tipo de escala não consta em nossas variáveis.

112

MODALIDADE TIPO DE

VARIÁVEL

ESCALA DE

MEDIÇÃO

VARIÁVEL

Valor Adicionado por

Funcionário Dependente Contínua Intervalar

Valor Adicionado sobre

Receita

Receita Líquida

Número de Funcionários

Receita por Cliente Independente Contínua Intervalar

Receita por Funcionário

Nível de Aglomeração Ordinal

Idade da Firma

Setor de Atividade

Exportação Independente Categórica

Nominal Política de Relacionamento

com a Comunidade

Quadro 6 – Classificação das Variáveis do Estudo

Fonte: Elaborado pelo autor

4.4.1. – As Variáveis Dependentes

A variável dependente é a variável ou o conjunto delas que se espera ser explicada

ou prevista por outras variáveis (HAIR et al., 1995). Esta consiste naqueles valores a

serem explicados ou descobertos, em virtude de serem influenciados, determinados

ou afetados pela variável independente. (MARCONI e LAKATOS, 2000). Ou seja,

enquanto a variável dependente é o efeito presumido, as variáveis independentes

são as causas presumidas. (PEDHAZUR e SCHMELKIN, 1991).

Ambas as variáveis dependentes de nosso estudo estarão relacionadas ao conceito

de Valor Adicionado. Conforme a descrição da Fundação SEADE (2004), o valor

adicionado corresponde ao valor efetivamente gerado na produção industrial, na

produção de serviços ou na atividade econômica comercial. Este é calculado através

da diferença entre o Valor Bruto da Produção (VBP) – que corresponde à receita

113

líquida das atividades da empresa, incluindo estoques finais de produtos em

elaboração e de produtos acabados, menos os custos das mercadorias revendidas,

caso a empresa também realize atividade comercial – e o Consumo Intermediário

(CI), referente às despesas diretas operacionais, compras de insumos, estoques

finais e iniciais de insumos e outros custos. Em resumo:

V.A. = VBP - CI

De forma a melhor compreender como se gera o valor adicionado de uma firma, o

quadro 7 apresenta o método utilizado pela PAEP 2001 para o cálculo desta variável

econômica.

Conforme afirmam Paulani e Braga (2000), a avaliação do produto total da economia

(PIB) consiste na consideração do valor efetivamente adicionado pelo processo de

produção em cada unidade produtiva. Portanto, entende-se o valor adicionado como

todo valor agregado a um produto ou um insumo durante a sua transformação em

uma organização.

Duas variáveis dependentes serão criadas em função do Valor Adicionado. A

primeira, o Valor Adicionado por Funcionário, é uma medida comumente utilizada

por alguns institutos de pesquisas econômicas, que geralmente a denominam de

V.A.P.O. (Valor Adicionado por Pessoal Ocupado), ou seja, o quanto a firma

consegue agregar de valor aos seus produtos em relação ao número de pessoas

empregadas. Os valores desta variável são expressos na moeda local (reais).

A segunda variável dependente, Valor Adicionado sobre Receita, se trata de uma

medida de eficiência que verifica o quanto da receita de uma firma é convertido em

valor adicionado. Calculado através da divisão do Valor Adicionado pela Receita

Líquida da Firma, ambos expressos em reais (R$), quanto maior for este índice,

mais eficiente a firma é em termos econômicos.

Detalhes sobre as variáveis independentes de nosso estudo serão fornecidos na

seção 4.4.2.

114

Valor Bruto da Produção

Receita Líquida das Atividades (+)

Outras Receitas Operacionais (+)

Estoques Finais de Produtos em Elaboração em 31/12/2001 (+)

Estoques Iniciais de Produtos em Elaboração em 01/01/2001 (-)

Estoques Finais de Produtos Acabados em 31/12/2001 (+)

Estoques Iniciais de Produtos Acabados em 01/01/2001 (-)

Custos das Mercadorias Vendidas (-)

Consumo Intermediário

Estoques Iniciais de Insumos em 01/01/2001 (+)

Estoques Finais de Insumos em 01/01/2001 (-)

Compra de Insumos (+)

Manutenção e Reparo de Bens Aplicados na Produção (+)

Aluguéis e Arrendamento Imóveis, Máquinas, Equipamentos e Veículos (+)

Arrendamento Mercantil (leasing) (+)

Serviços prestados por pessoas físicas sem vínculo empregatício (+)

Serviços prestados por terceiros – pessoas jurídicas (+)

Royalties e assistência técnica – país (+)

Royalties e assistência técnica – exterior

Despesas com veículos e conservação de bens (+)

Propaganda e publicidade (+)

Despesas com pesquisa científica e tecnológica (+)

Quadro 7 – Método de Cálculo do Valor Adicionado da Indústria

Fonte: Adaptado de Fundação Seade (2004, p. 14).

4.4.1.1 – Expectativas em Relação ao Desempenho das Firmas

As vantagens da localização em aglomerações industriais descritas na revisão de

literatura geram em nossa pesquisa a expectativa de que as firmas do setor de

confecções localizadas em aglomerações industriais produzam tanto um Valor

Adicionado por Funcionário quanto um Valor Adicionado sobre Receita

superior ao das firmas não aglomeradas.

115

Há argumentos para isso em Marshall (mercado local de mão-de-obra,

conhecimento tácito como diferencial competitivo, existência de indústrias

subsidiárias), Krugman (enfoque nas externalidades pecuniárias advindas da

aglomeração industrial) e Porter (processos contínuos de imitação que conduzem à

dinamização da competição local), assim como em diversos outros autores

apresentados durante a nossa revisão.

De forma geral, pode-se dizer que todos estes autores se referiam às externalidades

estáticas ou às dinâmicas, explicadas no capítulo 2. As externalidades estáticas

advindas de um mercado abundante de profissionais de um setor, da existência de

indústrias de suporte e das economias de escala geradas por uma grande

quantidade de pequenas firmas em uma região são apenas alguns dos diversos

exemplos encontrados em nossa revisão que são capazes de fundamentar as

expectativas geradas em relação aos resultados da pesquisa. Muitas das

externalidades estáticas podem possuir um grande impacto direto sobre o Consumo

Intermediário, reduzindo-o e, consequentemente, aumentando o Valor Adicionado

pela empresa.

Apesar de a geração de externalidades dinâmicas estar fortemente associada ao

contexto social de uma aglomeração, não é necessária a formação de uma network

para obter esta modalidade de economia externa. O exemplo exposto por Marshall

(1985) sobre o mercado local de mão-de-obra, onde vários trabalhadores, ao

mudarem de emprego, consciente ou inconscientemente repassam a experiência

adquirida em ofícios anteriores, pode ser uma das maneiras pelas quais a

externalidade dinâmica é gerada sem haver, necessariamente, uma rede de

relações sociais estabelecida. Portanto, mesmo não abordando este trabalho o

contexto social das aglomerações, as economias externas dinâmicas reforçam o

nosso argumento. Estas podem impactar positivamente tanto sobre o Consumo

Intermediário quanto sobre o Valor Bruto da Produção de uma firma, aumentando

o seu valor adicionado. Contudo, este tipo de externalidade é de difícil mensuração,

conforme argumenta Krugman. (MARTIN e SUNLEY, 1996).

Em resumo, espera-se que o efeito da localização em aglomerações industriais gere

impactos positivos em ambas as variáveis dependentes de nosso estudo.

116

4.4.2 – Variáveis Independentes

As variáveis independentes são aquelas que podem influenciar, determinar ou afetar

uma outra variável; é o fator manipulado pelo investigador, em sua tentativa de

assegurar a relação do fator com um fenômeno observado ou a ser descoberto.

(MARCONI e LAKATOS, 2000). Ela é a causa presumida de qualquer mudança na

variável resposta ou dependente. (HAIR et al., 1995).

Nos subitens que se seguem serão apresentadas todas as variáveis independentes

escolhidas para nossa análise. Além da variável independente principal, nível de

aglomeração, acrescentamos outras que podem explicar alguma possível diferença

no desempenho econômico das firmas, visando cobrir o objetivo secundário de

nossa pesquisa.

4.4.2.1 – Nível de Aglomeração

Tipo de Variável: Categórica Ordinal

Descrição: Principal variável independente de nosso estudo. Indica em que tipo de

aglomeração as firmas estão localizadas. A partir dela verificaremos se a localização

das empresas em aglomerações impacta no desempenho econômico das mesmas.

Valores: 0 (não aglomerado), 1 (baixa aglomeração), 2 (média aglomeração) e 3

(alta aglomeração).

Observações Adicionais: para a pesquisa, era fundamental sabermos se as firmas

selecionadas estavam localizadas ou não em aglomerações industriais, de forma a

medir um provável diferencial de desempenho. Como a base de empresas da PAEP

não possuía variáveis que tratavam da localização das firmas em aglomerações

industriais – mesmo porque ela não foi construída visando os mesmos propósitos

que os desta dissertação – precisávamos de um instrumento que nos auxiliasse na

discriminação de firmas que estão localizadas em aglomerações daquelas que não

estão. Para nosso suporte, recorremos a um importante (e ainda pouco divulgado)

117

instrumento: o Atlas das Concentrações Industriais. A partir da explicação deste

Atlas, será compreendido o porquê desta variável possuir os valores acima

especificados.

4.4.2.1.1 – O Atlas das Concentrações Industriais

O Atlas das Concentrações Industriais é um instrumento elaborado pelo escritório

regional do SEBRAE em São Paulo que possui a finalidade de auxiliar na

identificação de Arranjos Produtivos Locais, assim como levantar os perfis e

necessidades mais específicas das aglomerações existentes no estado de São

Paulo. Neste sentido, este Atlas, composto de 48 mapas onde são expostas 160

atividades, apresenta o mapeamento dos setores industriais deste estado, visando

oferecer subsídios para o estabelecimento de políticas regionais e programas de

desenvolvimento local baseados na cooperação dos diversos atores envolvidos.

(SEBRAE, 2002).

Em cada um dos mapas existentes no Atlas das Concentrações Industriais é

possível verificar quais cidades do estado de São Paulo possuem concentrações de

uma determinada atividade industrial, classificada de acordo com a CNAE

fornecida pelo IBGE.

O Atlas classifica as concentrações a partir de quatro faixas, baseadas no número

de estabelecimentos em uma cidade: de 0 a 49 estabelecimentos, de 50 a 99

estabelecimentos, de 100 a 499 estabelecimentos e 500 ou mais estabelecimentos.

Desta forma, combinando as informações do Atlas com a localização das firmas

disponíveis na PAEP, seremos capazes não somente de saber se uma firma está

localizada ou não em uma aglomeração industrial, mas também de atribuir níveis de

aglomerações a cada uma das empresas do setor de confecções cadastradas na

base de dados.

Os mapas 1, 2 e 3, dispostos nas páginas a seguir, apresentam os mapas do Atlas

correspondentes às três classes do grupo 181 da CNAE. Estes foram utilizados

118

para apontar as firmas localizadas em aglomerações e atribuir a elas valores e níveis

de aglomeração. O quadro 8, localizado abaixo, demonstra como ocorreu este

processo de classificação das empresas.

Número de Estabelecimentos Valor Atribuído Nível de Aglomeração

De 0 a 49 0 Não Aglomerada

De 50 a 99 1 Baixa

De 100 a 499 2 Média

500 ou mais 3 Alta

Quadro 8 – Nível de aglomeração atribuído às firmas baseado no número de

estabelecimento em uma cidade


Para os fins de nossa pesquisa, as firmas localizadas em cidades onde há de 0 a 49

estabelecimentos (todas as cidades marcadas em branco nos mapas) foram

classificadas como firmas que não se encontram em aglomerações, ou a firma é

“não aglomerada”, conforme a classificação do quadro 8. A elas foi atribuído o valor

0. Já as empresas com nível 1, 2 e 3 são aquelas localizadas em cidades

caracterizadas por algum tipo de aglomeração, que pode ser “baixa”, “média” ou

“alta”, baseado nas informações disponíveis no Atlas

Possuindo, finalmente, um critério para a classificação das firmas, demos a cada

uma das 471 empresas amostradas análise um nível de aglomeração (0, 1, 2 ou 3).

A tabela abaixo apresenta a quantidade de firmas da amostra que pertencem a cada

nível de aglomeração. Apenas com a finalidade enriquecer os dados, a variável nível

de aglomeração se apresenta cruzada com o setor de atividade das firmas, sendo a

coluna de totais à direta da tabela a mais relevante.

119

Tabela 1 – Nível de Aglomerações Vs. CNAE das firmas selecionadas

para a amostra

Nível de Aglomeração /

CNAE da Empresa

18.11-2 18.12-0 18.13-9 Total

0 (Não Aglomerado) 24 128 13 165

1 (Baixo) 12 49 4 65

2 (Médio) 21 75 5 101

3 (Alto) 16 115 9 140

Total 73 367 31 471

_____Fonte: Elaborado pelo autor

120

Mapa 1 – Localização das Concentrações Industriais da Atividade “Peças Interiores”

no Estado de São Paulo

Fonte: SEBRAE (2002)

121

Mapa 2 – Localização das Concentrações Industriais da Atividade “Roupas em

Geral” no Estado de São Paulo


122

Mapa 3 – Localização das Concentrações Industriais da Atividade de Roupas

Profissionais no Estado de São Paulo


123

4.4.2.2 – Setor de Atividade

Tipo de Variável: Categórica Nominal

Descrição: Variável que visa verificar se o fato de as firmas pertencerem a classes

distintas de atividades é capaz de explicar uma possível diferença no desempenho

econômico entre elas.

Valores: Os mesmos utilizados pela CNAE (1811-2, 1812-0 e 1813-9).

4.4.2.3 – Idade da Firma

Tipo de Variável: Categórica Ordinal

Descrição: Variável que visa verificar se o tempo de atuação da firma no mercado é

capaz de explicar alguma diferença no desempenho econômico

Valores: 1 (De 1 a 6 anos), 2 (De 7 a 11 anos), 3 (De 12 a 17 anos) e 4 (Mais de 18

anos)

4.4.2.4 – Exportação


Descrição: Variável que indica se a firma também vende ou não seus produtos para

o mercado externo.

Valores: 1 (Sim) e 2 (Não)

4.4.2.5 – Política de Relacionamento com a Comunidade


124

Descrição: Variável que indica se a firma possui uma política formal de

relacionamento com a comunidade local.

Valores: 1 (Sim) e 2 (Não)

4.4.2.6 – Receita Líquida

Tipo de Variável: Contínua Intervalar

Descrição: Receita obtida pela firma no decorrer de 2001, ano-base para a

aplicação do questionário da PAEP.

Valores: Expressos em reais.

4.4.2.7 – Receita por Cliente


Descrição: Variável resultante da receita líquida em 2001 dividida pelo número de

clientes (pessoas jurídicas) que a firma possuía no mesmo ano.

Valores: Expressos em reais

4.4.2.8 – Número de Funcionários


Descrição: Variável resultante da soma do número de assalariados ligados à

produção, dos assalariados não ligados à produção e dos não-assalariados

(proprietários, sócios, membros da família sem remuneração, etc.).

4.4.2.9 – Receita por Funcionário


125

Descrição: Variável resultante da divisão entre a receita líquida da firma e o número

de funcionários da empresa no ano de 2001.

Valores: Expressos em Reais

Uma vez expostas as variáveis de nosso estudo, o capítulo seguinte desta

dissertação, referente aos resultados de nossa pesquisa, começará com uma

análise descritiva das variáveis dependentes e independentes.

126

CAPÍTULO 5 – RESULTADOS DA PESQUISA

5.1 – Análise Descritiva das Variáveis e Tratamento das Variáveis Categóricas

Apresentaremos nesta seção as análises descritivas das variáveis e os ajustes

necessários às variáveis categóricas para a inserção destas nos modelos de

regressão. Ambos são fundamentais para garantir a confiança nos resultados

gerados pelos modelos de regressão.

5.1.1 – Análise Descritiva das Variáveis

Neste subitem as variáveis previsoras serão avaliadas em função de cada variável

dependente. Primeiramente, todavia, iremos dissertar sobre o processo de detecção

e eliminação de outliers da amostra, para, em seguida, apresentarmos as análises

das variáveis contínuas e categóricas sem estas observações discrepantes.

5.1.1.1 – Detecção e Eliminação de Outliers

Fundamental a uma adequada análise de regressão é a verificação prévia de

observações (empresas) cujos valores de suas variáveis sejam muito distintos das

demais empresas amostradas. Estas observações discrepantes, conhecidas na

literatura como outliers, podem prejudicar os resultados dos modelos de regressão,

sendo necessário, portanto, a exclusão destes da amostra.

Três tipos de análises para a identificação de outliers podem ser realizados: a

univariada, a bivariada e a multivariada. A análise univariada envolve, normalmente,

a utilização de boxplots. Contudo, uma vez que as variáveis independentes de nosso

estudo não possuem uma distribuição normal, pouco sentido faz utilizá-los. Desta

forma, utilizamos as análises bivariadas, através de diagramas de dispersão entre as

variáveis dependentes e as independentes, e as multivariadas, onde o teste de

Mahalanobis, que avalia a posição de cada observação comparada com o centro de

todas as observações em um conjunto de variáveis, foi aplicado.

127

Como estamos trabalhando com duas variáveis dependentes, é necessário que as

análises para a detecção de outliers sejam realizadas separadamente, uma vez que

as observações discrepantes podem variar em função destas variáveis. Os

diagramas de dispersão e os testes de Mahalanobis realizados para cada variável

dependente e suas independentes encontram-se no anexo A desta dissertação.

Realizadas as análises bivariadas e multivariadas, concluímos que 11 dos 471

elementos da amostra deverão ser excluídos para as análises descritivas e de

regressão de cada variável dependente, sobrando, consequentemente, 460

elementos em cada análise.

Dos 11 elementos excluídos em função das análises bivariadas e multivariadas entre

o Valor Adicionado por Funcionário e as variáveis independentes, 2 foram por

suspeitas de problemas de digitação, 5 por serem outliers da variável dependente e

outros 4 por serem outliers de variáveis independentes. Já no caso dos 11

elementos excluídos em função das análises entre o Valor Adicionado por Receita e

as variáveis independentes, 2 forma por suspeitas de erro de digitação, 8 por serem

outliers da variável dependente e 1 por ser outlier de variável independente.

Fica evidente que os outliers variaram em função de cada variável dependente.

Desta forma, apesar de ambas as análises descritivas e de regressão relacionadas a

cada variável dependente possuírem 460 observações, o perfil dos elementos

amostrados será distinto.

Sobre a exclusão de elementos da amostra, estes devem ser mantidos a não ser

que haja prova de que eles são realmente aberrantes e não representativos de

nenhuma observação em uma população. (HAIR et al., 1995) Acreditamos que a

exclusão realizada, de forma geral, obedeceu a esta recomendação.

5.1.1.1 – Valor Adicionado por Funcionário e as Variáveis Contínuas Independentes

A primeira variável a ser analisada é a dependente, Valor Adicionado por

Funcionário. A tabela 2 apresenta suas principais medidas descritivas. Através do

128

histograma (gráfico 1), observamos que a maior parte de suas observações se

encontra distribuída no intervalo entre R$ - 20.000,00 e + R$ 50.000,00. A curva no

gráfico demonstra uma distribuição relativamente próxima a uma normal,

característica desejável no caso da variável dependente.

Tabela 2 – Medidas Descritivas da Variável Valor Adicionado por Funcionário

Medidas Estatística

Média R$ 9.769,10

Mediana R$ 6.728,16

Desvio Padrão R$ 11.863,01

Mínimo R$ -20.606,89

Máximo R$ 80.249,56

Assimetria 2,19

Curtose 7,73


VA por Funcionário (Dependente)

49.393

37.607

25.821

14.036

2.250-9.536

-21.321

Fre

qüên

cia

80

60

40

20

0

Gráfico 1 – Histograma de Valor Adicionado por Funcionário


129

As medidas descritivas da variável Receita Líquida da Firma (tabela 3) demonstram

que as empresas amostradas são de pequeno e médio porte, com um faturamento

médio em torno de R$ 1 milhão. O histograma para esta variável (gráfico 2) deixa

claro que esta não possui uma distribuição normal, fato confirmado pelas grandes

medidas de assimetria e curtose.

Tabela 3 – Medidas Descritivas da Variável Receita Líquida da Firma


Média R$ 1.090.148,45

Mediana R$ 437.335,00

Desvio Padrão R$ 2.193.929,45

Assimetria 5,65

Curtose 41,44


Receita Líquida da Firma

6.971.428

5.828.571

4.685.714

3.542.857

2.400.000

1.257.143

114.286

Fre

qüên

cia

200

100

0

Gráfico 2 – Histograma de Receita Líquida da Firma (R$)


130

Quanto à receita por cliente, o histograma desta variável (gráfico 3) deixa claro que a

maioria das firmas possui uma pequena receita por cliente (pessoa jurídica). O valor

médio em torno de R$ 70.000,00, conforme apresenta a tabela 4, foi fortemente

influenciado por alguns valores à direita do gráfico. Atesta-se mais uma vez uma

distribuição não normal.

Tabela 4 – Medidas Descritivas da Variável Receita por Cliente


Média R$ 70.568,98

Mediana R$ 9.809,21


Assimetria 4,77

Curtose 26,7


Receita por Cliente

522.857

437.143

351.429

265.714

180.000

94.286

8.571

Fre

qüên

cia

300

200

100

0

Gráfico 3 – Histograma de Receita por Cliente


131

Quanto ao número de funcionários, verifica-se que as firmas possuem, em média,

um valor próximo de 44 funcionários, conforme se verifica na tabela 5,

caracterizando-as novamente como pequenas e médias empresas. O histograma da

variável (gráfico 4), conjugado às medidas de assimetria e curtose na tabela 5

confirmam a não normalidade da distribuição.

Tabela 5 – Medidas Descritivas da Variável Número de Funcionários


Média 43,78

Mediana 30,50

Desvio Padrão 52,94

Assimetria 4,78

Curtose 31,30



21818214611175394

Fre

qüên

cia

70

60

50

40

30

20

10

0

Gráfico 4 – Histograma de Número de Funcionários


132

A tabela 6 demonstra o quanto a receita por funcionário varia entre as firmas

amostradas, conforme pode ser observado nos valores mínimo e máximo. O

histograma (gráfico 5), conforme pode ser observado através do comportamento da

curva, não possui uma distribuição normal.

Tabela 6 – Medidas Descritivas da Variável Receita por Funcionário


Média R$ 23.987,40

Mediana R$ 14.452,85


Assimetria 3,57

Curtose 19,75



104.571

87.429

70.286

53.143

36.000

18.857

1.714

Fre

qüên

cia

80

60

40

20

0

Gráfico 5 – Histograma de Receita por Funcionário


133

A tabela 7 de correlações demonstra que duas variáveis se encontram fortemente

correlacionadas com a dependente “Valor Adicionado por Funcionário”: “Receita

Líquida da Firma” e “Receita por Funcionário”. Acreditamos que estas serão as

variáveis que mais afetarão os resultados da variável dependente.

Tabela 7 – Correlações entre as Variáveis Contínuas

VA por

Funcionário

Receita Líquida

da Firma

Receita por

Cliente

Número de

Funcionários

Receita por

Funcionário

Correlação

de Pearson 1,000 ,395** ,141** ,065 ,704**

Sig.(bicaudal) , ,000 ,003 ,165 ,000

VA por

Funcionário

N 460 460 460 460 460

Correlação de

Pearson ,395** 1,000 ,138** ,736** ,497**

Sig. (bicaudal) ,000 , ,003 ,000 ,000

Receita Líquida

da Firma

N 460 460 460 460 460

Correlação de

Pearson ,141** ,138** 1,000 ,161** ,117*

Sig. (bicaudal) ,003 ,003 , ,001 ,012

Receita por

Cliente

N 460 460 460 460 460

Correlação de

Pearson ,065 ,736** ,161** 1,000 ,026

Sig. (bicaudal) ,165 ,000 ,001 , ,583

Número de

Funcionários

N 460 460 460 460 460

Correlação de

Pearson ,704** ,497** ,117* ,026 1,000

Sig. (bicaudal) ,000 ,000 ,012 ,583 ,

Receita por

Funcionário

N 460 460 460 460 460�

** Correlação é significante ao nível 0,01 (bicaudal)

* Correlação é significante ao nível 0,05 (bicaudal)


5.1.1.2 – Valor Adicionado por Funcionário e as Variáveis Categóricas

Independentes

Apresentam-se a seguir as tabelas descritivas das variáveis categóricas da amostra

relacionada à variável dependente Valor Adicionado por Funcionário. Merecem

maior destaque as distribuições de freqüência para o Nível de Aglomeração (tabela

8) e a pequena quantidade de firmas que exportam ou que possuem uma política de

relacionamento com a comunidade, conforme constatado, respectivamente, nas

tabelas 11 e 12.

134

Tabela 8 – Distribuição de Freqüência para Nível de Aglomeração

Nível de Aglomeração Freqüência Percentual Percentual Acumulado

Não Aglomerado 161 35,0 35,0

Baixo 65 14,1 49,1

Médio 97 21,1 70,2

Alto 137 29,8 100,0

Total 460 100,0


Tabela 9 – Distribuição de Freqüência para Setor de Atividade

Setor de Atividade Freqüência Percentual Percentual Acumulado

18.11-2 69 15,0 15,5

18.12-0 363 78,9 93,4

18.13-9 28 6,1 100,0

Total 460 100,0


Tabela 10 – Distribuição de Freqüência para Idade da Firma

Idade Freqüência Percentual Percentual Acumulado

De 1 a 6 anos 119 25,9 15,0

De 7 a 11 anos 120 26,1 93,9

De 12 a 17 anos 109 23,7 100,0

Mais de 18 anos 112 24,3 15,0

Total 460 100,0


135

Tabela 11 – Distribuição de Freqüência para Exportação

Exportação Freqüência Percentual Percentual Acumulado

Sim 36 7,8 7,8

Não 424 92,2 100,0

Total 460 100,0


Tabela 12 – Distribuição de Freqüência para Política de

Relacionamento com a Comunidade


Sim 23 5,0 5,0

Não 437 95,0 100,0

Total 460 100,0


5.1.1.3 – Valor Adicionado por Receita e as Variáveis Contínuas Independentes

Apresentam-se a seguir os resultados da análise descritiva das variáveis contínuas

independentes em relação à segunda variável dependente de nosso estudo, Valor

Adicionado por Receita.

A tabela 13 apresenta as principais medidas descritivas de nossa segunda variável

dependente. As baixas medidas de assimetria e curtose, conjugadas com a curva no

histograma da variável (gráfico 6), demonstram uma distribuição próxima de uma

normal.

Quanto às variáveis independentes contínuas, apesar de serem as mesmas da

variável dependente anterior, estas possuem medidas descritivas diferentes em

função da eliminação de outliers distintos daqueles da análise anterior. De qualquer

forma, a alteração dos valores foi muito pequena, de forma que se torna

desnecessária dissertar novamente de forma separada sobre cada variável

independente. As medidas descritivas das variáveis contínuas, de forma geral,

136

permanecem semelhantes, possuindo nenhuma delas uma distribuição normal,

assim como nas análises anteriores.

Tabela 13 – Medidas Descritivas da Variável Valor Adicionado por Receita


Média 0,5234

Mediana 0,5424


Mínimo -1,42

Máximo 1,59�

Assimetria -0,95

Curtose 2,14


VA por Receita (Dependente)

1,631,38

1,13,88,63,38,13-,13

-,38-,63

-,88-1,13

-1,38

Fre

qüên

cia

80

70

60

50

40

30

20

10

0

Gráfico 6 – Histograma de Valor Adicionado por Receita


137

Tabela 14 – Medidas Descritivas da Variável Receita Líquida da Firma


Média R$ 1.100.674,28

Mediana R$ 455.189,00

Desvio Padrão R$ 2.142.081,46

Assimetria 5,73

Curtose 43,83



4.357.143

3.642.857

2.928.571

2.214.286

1.500.000

785.714

71.429

Fre

qüên

cia

120

100

80

60

40

20

0

Gráfico 7 – Histograma de Receita Líquida da Firma


138

Tabela 15 – Medidas Descritivas da Variável Receita por Cliente


Média R$ 75.010,89



Assimetria 4,49

Curtose 23,03


Receita por Cliente

425.000

341.667

258.333

175.000

91.667

8.333

Fre

qüên

cia

300

200

100

0

Gráfico 8 – Histograma de Receita por Cliente


139

Tabela 16 – Medidas Descritivas da Variável Número de Funcionários


Média 42,85

Mediana 30,00


Assimetria 4,50

Curtose 29,44



206,3156,3106,356,36,3

Fre

qüên

cia

120

100

80

60

40

20

0

Gráfico 9 – Histograma de Número de Funcionários


140

Tabela 17 – Medidas Descritivas da Variável Receita por Funcionário


Média R$ 25.803,86



Assimetria 3,29

Curtose 15,26



119.000

95.667

72.333

49.000

25.667

2.333

Fre

qüên

cia

100

80

60

40

20

0

Gráfico 10 – Histograma de Receita por Funcionário


A tabela 18 de correlações para as 460 observações restantes na amostra

demonstra, de forma geral, correlações positivas baixas ou até mesmo negativas

entre a variável dependente e as independentes, tornando difícil a previsão de quais

variáveis mais afetarão o Valor Adicionado por Receita.

141

Tabela 18 – Correlações entre as Variáveis Contínuas

VA por Receita Receita Líquida

da Firma

Receita por

Cliente

Número de

Funcionários

Receita por

Funcionário

Correlação

de Pearson

1,000 -,138** ,037 ,050 -,227**

Sig.(bicaudal) , ,003 ,430 ,288 ,000 VA por Receita

N 460 460 460 460 460

Correlação de

Pearson

-,138** 1,000 ,171** ,708** ,490**

Sig. (bicaudal) ,003 , ,000 ,000 ,000

Receita Líquida

da Firma

N 460 460 460 460 460

Correlação de

Pearson

,037 ,171** 1,000 ,173** ,170**

Sig. (bicaudal) ,430 ,000 , ,000 ,000

Receita por

Cliente

N 460 460 460 460 460

Correlação de

Pearson

,050 ,708** ,173** 1,000 -,003

Sig. (bicaudal) ,288 ,000 ,000 , ,947

Número de

Funcionários

N 460 460 460 460 460

Correlação de

Pearson

-,227** ,490** ,170** -,003 1,000

Sig. (bicaudal) ,000 ,000 ,000 ,947 ,

Receita por

Funcionário

N 460 460 460 460 460�

** Correlação é significante ao nível 0,01 (bicaudal)


5.1.1.4 – Valor Adicionado por Receita e as Variáveis Categóricas Independentes

Apresentam-se a seguir as tabelas descritivas das variáveis categóricas da amostra

relacionada à variável dependente Valor Adicionado por Receita. A alteração no

perfil destas variáveis, em função da eliminação de outliers diferentes daqueles da

análise anterior, foi pequena, merecendo maior atenção, novamente, as distribuições

de freqüência para o Nível de Aglomeração (tabela 19), Exportação (tabela 22) e

Política de Relacionamento com a Comunidade (tabela 23).

142

Tabela 19 – Distribuição de Freqüência para Nível de Aglomeração

Nível de Aglomeração Freqüência Percentual Percentual Acumulado

Não Aglomerado 161 35,0 35,0

Baixo 65 14,1 49,1

Médio 98 21,3 70,4

Alto 136 29,6 100,0

Total 460 100,0


Tabela 20 – Distribuição de Freqüência para Setor de Atividade

Setor de Atividade Freqüência Percentual Percentual Acumulado

18.11-2 70 15,2 15,2

18.12-0 360 78,3 93,5

18.13-9 30 6,5 100,0

Total 460 100,0


Tabela 21 – Distribuição de Freqüência para Idade da Firma

Idade Freqüência Percentual Percentual Acumulado

De 1 a 6 anos 118 25,7 15,0

De 7 a 11 anos 120 26,1 93,9

De 12 a 17 anos 108 23,5 100,0

Mais de 18 anos 114 24,8 15,0

Total 460 100,0


Tabela 22 – Distribuição de Freqüência para Exportação


Sim 35 7,6 7,6

Não 425 92,4 100,0

Total 460 100,0


143

Tabela 23 – Distribuição de Freqüência para Política de

Relacionamento com a Comunidade


Sim 23 5,0 5,0

Não 437 95,0 100,0

Total 460 100,0


5.1.2 – Tratamento das Variáveis Categóricas: A Codificação Dummy

Conforme pôde ser observado anteriormente, nosso estudo conta com uma série de

variáveis categóricas com escalas de medição nominais e ordinais. Quando se trata

da aplicação da análise de regressão em desenhos com variáveis independentes

categóricas, esta é semelhante aos desenhos dirigidos às variáveis contínuas. Em

ambos, o objetivo é usar a informação contida nas variáveis independentes a fim de

determinar se, e em que extensão, elas afetam a variável dependente ou tentam

explicá-la. (PEDHAZUR e SCHMELKIN, 1991)

Todavia, dado o caráter não contínuo que possuem, as variáveis categóricas não

devem ser incorporadas na análise de regressão sem um prévio ajuste. No contexto

da análise de regressão, isto é realizado através de um processo de codificação

conhecido como codificação dummy, onde todas as variáveis categóricas são

transformadas em conjuntos de variáveis formadas através da combinação dos

algarismos 1 (um) e 0 (zero) – daí o fato de serem conhecidas como dummy – onde

“um” significa o pertencimento a uma categoria específica e “zero” o não

pertencimento àquela categoria. (PEDHAZUR e SCHMELKIN, 1991).

Os subitens a seguir apresentam o processo de transformação das variáveis

categóricas em conjuntos de variáveis dummy.

144

5.1.2.1 – Nível de Aglomeração

Para ser inserida nas análises de regressão, o nível de aglomeração, como toda

variável categórica, teve que ser transformado em variáveis dummy. Desta forma, a

tabela 24 apresenta as três variáveis dummy criadas para cada nível de

aglomeração: AGL1, AGL2 e AGL3.

Toda a codificação de uma variável categórica gera um número de vetores igual ao

número de categorias menos um. Desta forma, a razão de ser criada três variáveis

dummy se deve ao fato de haver quatro categorias (ou níveis) de aglomeração.

Pelo fato de ser uma variável categórica ordinal, o nível de aglomeração passou por

um processo de codificação distinto do que será verificado em algumas outras

variáveis categóricas, de forma que o coeficiente da variável AGL1 na regressão

indicará o efeito de uma baixa aglomeração na variável dependente em relação à

situação de não aglomeração, se todos os demais fatores se mantiverem

constantes. O coeficiente da variável AGL2 indica o efeito adicional de se ter uma

média aglomeração mantidos os demais fatores constantes. O coeficiente da

variável AGL3 deverá ser interpretado da mesma forma.

Tabela 24 – Variáveis dummy para Nível de Aglomeração

Nível de Aglomeração AGL1 AGL2 AGL3

0 0 0 0

1 1 0 0

2 1 1 0

3 1 1 1


5.1.2.2 – Setor de Atividade

O setor de atividade das firmas também foi convertido em variáveis dummy (SET1 e

SET2), conforme pode ser observado na tabela 25.

145

Tabela 25 – Variáveis dummy para Setor de Atividade

Setor de Atividade SET1 SET2.

18.11-2 0 0

18.12-0 1 0

18.13-9 0 1

_Fonte: Elaborado pelo autor

Os coeficientes das variáveis SET1 e SET2 representarão as diferenças nas

variáveis dependentes entre o setor de atividade que a firma pertence comparada ao

setor escolhido como base. No nosso estudo, o setor escolhido como base foi 18.11-

2. Desta forma, SET1 representará a influência do setor 18.12-0 em relação à base e

SET2 a influência do setor 18.13-9 em relação ao setor-base.

5.1.2.3 – Idade da Firma

Dadas a sua natureza e a quantidade de categorias que possui, a “Idade da Firma”,

segunda variável categórica ordinal de nosso estudo, foi recodificada em variáveis

dummies idênticas às do nível de aglomeração, conforme pode ser observado na

tabela 26. Desta forma, o coeficiente da variável IDAD1 na regressão indicará o

efeito da atuação no mercado há mais de sete (inclusive) em relação à situação de

até seis anos de operação, se todos os demais fatores se mantiverem constantes. O

coeficiente da variável IDAD2 indica o efeito adicional de se estar uma operando a

pelo menos doze anos no mercado, mantidos os demais fatores constantes. O

coeficiente da variável IDAD3 deverá ser interpretado da mesma forma que os

anteriores.

Tabela 26 – Variáveis Dummy para Idade da Firma

Categoria IDAD1 IDAD2 IDAD3

De 1 a 6 anos de idade 0 0 0



Mais de 18 de anos 1 1 1

Fonte: Elaborado pelo Autor

146

5.1.2.4 – Exportação

Para a transformação da variável “exportação” em dummy, foi necessária apenas a

recodificação desta variável, uma vez que esta possuía somente os valores “1” (Sim)

e “2” (Não), conforme exposto na descrição das variáveis independentes. A tabela

27 apresenta a codificação para a variável criada: EXP1.

Tabela 27 – Variável Dummy para Exportação

Exportação EXP1

Sim 1

Não 0

Pelo fato de a variável exportação ter gerado apenas uma variável dummy, a sua

interpretação é bastante simples, indicando seu coeficiente na regressão o efeito

que a exportação de produtos de uma firma possui sobre as variáveis dependentes

do estudo.

5.1.2.5 – Política Formal de Relacionamento com a Comunidade

Assim como “exportação”, a variável “política de relacionamento com a comunidade”

teve sua conversão para variável dummy baseada somente nos valores “1” (Sim) e

“2” da variável. A tabela 28 apresenta os códigos atribuídos a variável dummy POL1.

Tabela 28 – Variável Dummy para Política de Relacionamento com a Comunidade

Exportação POL1

Sim 1

Não 0


Concluindo, o quadro 9 apresenta todas as variáveis dependentes (dummies e

contínuas) que farão parte dos modelos de regressão com os respectivos códigos

atribuídos a elas.

147

Núm. Código Descrição

1 AGL1 Primeira variável dummy de aglomeração

2 AGL2 Segunda variável dummy de aglomeração

3 AGL3 Terceira variável dummy de aglomeração

4 SET1 Primeira variável dummy de setor de atividade

5 SET2 Segunda variável dummy de setor de atividade

6 IDAD1 Primeira variável dummy de idade

7 IDAD2 Segunda variável dummy de idade

8 IDAD3 Terceira variável dummy de idade

9 EXP1 Variável dummy de exportação

10 POL1 Variável dummy de política de relacionamento

11 REC. LÍQUIDA Receita Líquida da Firma

12 REC. CLIENTE Receita por Cliente

13 NÚM. FUNC. Número de Funcionários

14 REC. FUNC. Receita por Funcionário

Quadro 9 – Códigos e Descrição das Variáveis dos Modelos de Regressão


Dado que possuímos 14 variáveis dependentes para 460 elementos na amostra, a

menor razão entre o número de observações e o de variáveis independentes será

de, aproximadamente, 33 para 1, quando todas variáveis independentes forem

incluídas nos modelos de regressão. Uma regra geral, segundo Hair et al. (1995) é

que esta razão nunca deve ser menor do que cinco, sob o risco de ocorrer o

fenômeno conhecido como “overfitting”. Já o nível desejado é de 15 a 20

observações para cada variável independente. Caso a amostra fosse probabilística,

a razão de 33 para 1 permitiria a generalização dos resultados da pesquisa.

5.2 – Análise dos Modelos de Regressão

Apresentam-se aqui os principais resultados de nossa pesquisa, que utilizou

análises de regressão múltipla para as variáveis dependentes “Valor Adicionado por

Funcionário” e “Valor Adicionado por Receita”. Para cada uma destas variáveis, sete

148

modelos de regressão foram utilizados. A seleção das variáveis para cada modelo

se deu através de uma abordagem confirmatória, onde fica a critério do pesquisador

determinar o conjunto de variáveis independentes a ser incluído. (HAIR et al, 1995).

Desta forma, determinamos de forma arbitrária que no primeiro modelo serão

incluídas somente as variáveis independentes de interesse, ou seja, as variáveis

dummy do nível de aglomeração. No segundo modelo, serão adicionadas ao

repertório as dummies do setor de atividade. A cada modelo, novas variáveis serão

adicionadas até que no último todas as variáveis independentes estejam inseridas.

O quadro 10 apresenta as variáveis independentes de cada modelo de regressão,

discriminadas entre aquelas já utilizadas nos modelos anteriores (excetuando-se,

obviamente, o primeiro modelo) e aquelas a serem acrescentadas nos seguintes.

Variáveis Modelos

Utilizadas Acrescentadas

1

Dummies do Nível de

Aglomeração (AGL1,

AGL2 e AGL3)

_

2 Todas do modelo 1 Dummies do Setor de Atividade (SET1 e

SET2)

3 Todas do modelo 2 Dummies da Idade da Firma (IDAD1,

IDA2 e IDAD3)

4 Todas do modelo 3 Dummy da Exportação (EXP1)

5 Todas do modelo 4 Dummy da Política de Relacionamento

(POL1)

6 Todas do modelo 5 Receita Líquida (REC. LÍQUIDA) e

Receita por Cliente (REC. CLIENTE)

7 Todas do modelo 6 Número de Funcionários (NUM. FUNC.) e

Receita por Funcionário (REC. FUNC).

Quadro 10 – Variáveis Acrescentadas em Cada Modelo de Regressão para Ambas

as Variáveis Dependentes.


149

Primeiramente, apresentaremos e discutiremos os modelos de regressão para a

variável dependente “Valor Adicionado por Funcionário” para, em seguida, nos

dedicarmos aos modelos relacionados ao “Valor Adicionado por Receita”.


Funcionário

A tabela 29, referente à análise de variância dos modelos de regressão demonstra

que todos os modelos utilizados para a variável dependente “Valor Adicionado por

Funcionário” são significantes a um nível de significância de 1%. Conforme pode ser

observado na última coluna desta tabela, todos os modelos possuem p-values16 bem

inferiores a este nível.

Tabela 29 – Análise de Variância

Modelo Soma dos

Quadrados

GL Médias dos

Quadrados

F Sig.

1 Regressão 2.224.992.498,231 3 741.664.166,077 5,422 ,001

Resíduo 62.370.572.758,573 456 136.777.571,839

Total 64.595.565.256,804 459

2 Regressão 2.564.662.487,840 5 512.932.497,568 3,754 ,002

Resíduo 62.030.902.768,964 454 136.631.944,425

Total 64.595.565.256,804 459

3 Regressão 4.145.206.609,345 8 518.150.826,168 3,866 ,000

Resíduo 60.450.358.647,459 451 134.036.271,946

Total 64.595.565.256,804 459

4 Regressão 4885533190,274 9 542.837.021,142 4,091 ,000

Resíduo 59.710.032.066,529 450 132.688.960,148

Total 64.595.565.256,804 459

5 Regressão 4.956.021.812,486 10 495.602.181,249 3,731 ,000

Resíduo 59.639.543.444,318 449 132.827.490,967

Total 64.595.565.256,804 459

16 Conforme Pedhazur e Schmelkin (1991), o p-value se refere à probabilidade de a evidência ser originária de um erro de amostragem, assumindo que a hipótese sendo testada é verdadeira. Apesar de não trabalharmos com hipóteses nesta dissertação, o equivalente seria a expectativa que possuímos em relação aos resultados de nossas análises, ou seja, de que ambas as variáveis dependentes são afetadas positivamente pela presença das firmas em aglomerações industriais.

150

Modelo Soma dos

Quadrados

GL Médias dos

Quadrados

F Sig.

6 Regressão 12.889.308.828,501 12 1.074.109.069,042 9,286 ,000

Resíduo 51.706.256.428,303 447 115.673.951,741

Total 64.595.565.256,804 459

7 Regressão 33.108.067.510,952 14 2.364.861.965,068 33,422 ,000

Resíduo 31.487.497.745,852 445 70.758.421,901

Total 64.595.565.256,804 459


Quanto à capacidade de explicação de cada modelo, observamos que as variáveis

dummy do nível de aglomeração no modelo 1 explicam muito pouco da variância da

regressão, ou 3,4%, conforme pode ser observado na tabela 30,na primeira linha da

coluna de R2, coeficiente de correlação ao quadrado, que indica o total da variação

do Valor Adicionado por Funcionário explicada por um conjunto de variáveis.

Portanto, apesar de o primeiro modelo ser significativo, este não é capaz de explicar

a maior parte da variância total da regressão. Este fato também pode ser constatado

na maior parte dos modelos, conforme pode ser observado na tabela 30. À medida

que novas variáveis são inseridas, os modelos seguintes são capazes de explicar

melhor a variância.

Tabela 30 – Resumo dos Modelos

Modelo R R2 R2 Ajustado Erro Padrão

1 ,186 ,034 ,028 11.695,1944

2 ,199 ,040 ,029 11.688,9668

3 ,253 ,064 ,048 11.577,4035

4 ,275 ,076 ,057 11.519,0694

5 ,277 ,077 ,056 11.525,0810

6 ,447 ,200 ,178 10.755,1826

7 ,716 ,513 ,497 8.411,8025


Partindo, finalmente, para os coeficientes da regressão na tabela 31, vemos que,

apesar de os coeficientes apresentados para as variáveis dummy de aglomeração

no modelo 1 serem positivos, estes, simplesmente, não são significativos a um nível

de significância de 5%, apresentando p-values bem superiores a este limite (0,181,

151

0,455 e 0,281). Apesar de o primeiro modelo ser significativo, conforme observado

na análise de variância (tabela 29), os coeficientes de suas variáveis não são. Em

outras palavras, não há evidências de que a presença em aglomerações impacte

positivamente no desempenho econômico das firmas, tomado em termos de

Valor Adicionado por Funcionário.

Observando os modelos seguintes, onde outras variáveis são inseridas, vemos que,

ocasionalmente, algumas das variáveis são significativas a um nível de significância

de 5%, marcadas em tom cinza na tabela 24. Temos, por exemplo, a segunda

variável dummy de idade nos modelos 3, 4 e 5, indicando que o tempo de atuação

no mercado há mais de 12 anos possui um efeito positivo no desempenho

econômico das firmas. O mesmo ocorre com a variável dummy de exportação nos

modelos 4 e 5, indicando também um efeito positivo. Todavia, a significância dos

coeficientes destas variáveis desaparece nos modelos seguintes, sugerindo que

estas constatações sejam tratadas com ressalvas.

Até o quinto modelo não se encontra nenhuma evidência significativa do impacto

positivo da localização em aglomerações industriais no desempenho econômico das

firmas. No entanto, a partir do modelo 6, temos uma indicação significativa do efeito

da aglomeração no Valor Adicionado por Funcionário. Este, contudo, possui um p-

value de 0,049, ou seja, muito próximo do limite do nível de significância, assim

como a variável “Receita por Cliente”. A única variável que realmente possui um

coeficiente positivo e significativo neste modelo é a “Receita Líquida da Firma”.

A atenção dos resultados dos modelos de regressão deve se voltar, sobretudo, para

o sétimo modelo, cujas variáveis incluídas (todas) explicam 51,3% da variância total

da regressão, conforme se observa na tabela 30. A grande constatação desta

regressão é que um existe um efeito significativo (p-value de 0,02) da localização

das firmas em aglomerações altas. Todavia, este efeito é negativo, ou seja, a

localização de firmas do setor de confecções em áreas altamente aglomeradas

influencia negativamente o desempenho econômico delas.

Observando a coluna de coeficientes não padronizados, observamos que o fato de

as firmas localizarem em altas aglomerações reduz em, aproximadamente, R$

152

2.700,00 o Valor Adicionado por Funcionário, se as demais condições se

mantiverem constantes. Este valor aparentemente pequeno possui grande impacto

sobre a maioria das empresas, dado que a média de Valor Adicionado por

Funcionário das empresas amostradas, conforme observado na tabela 2, é de,

aproximadamente, R$ 10.000,00, ou seja, corresponde a quase 30% do que as

firmas são capazes de desempenhar em média.

Retornando aos mapas das concentrações industriais no capítulo de metodologia,

constata-se que a única cidade do estado que possui um alto nível de aglomeração

do setor de confecções é a cidade de São Paulo. Podemos especular, em um

primeiro momento, que o pior desempenho destas firmas pode estar relacionado às

externalidades negativas comumente associadas à capital do estado (mão-de-obra

cara, congestionamentos, preços de terra, altos custos de manutenção, etc.).

De importância secundária no sétimo modelo é a constatação de que a receita por

funcionário é positiva e significativa. Interpretando através dos coeficientes não

padronizados, pode-se dizer que o aumento de R$ 1 na Receita por Funcionário se

reflete em um aumento de R$ 0,27 na variável dependente. Contudo, as variáveis

relacionadas à força de trabalho das firmas (número de funcionários e receita por

funcionário) possuem grande redundância com nossa primeira variável dependente,

uma vez que esta é calculada dividindo-se o Valor Adicionado da empresa pela

quantidade de pessoas que nela trabalham. Esta redundância é inclusive a razão

porque a quantidade da variância explicada por esta regressão apresenta um

aumento substancial em relação ao sexto modelo, cujas variáveis explicam somente

20% da variância total daquela regressão.

Os baixos índices de colinearidade medidos através da Tolerância e do VIF

(Variance Inflation Factor) apontados na tabela 31 são indicativos de que os

coeficientes da regressão foram corretamente estimados. Normalmente, o limite para

os valores do VIF é de até 10. Observando os valores deste índice, fica evidente que

todas as variáveis de todos os modelos de regressão utilizados possuem um nível

de colinearidade bem abaixo do limite.

153


Adicionado por Funcionário

Coef. Não

Padron.

Coef.

Padron.

T Sig. Estatísticas de

Colinearidade

Modelo B Erro

Padrão

Beta Tolerância VIF

1Constante 7.057,737 927,489 7,610 ,000

AGL1 2.308,412 1.721,774 ,093 1,341 ,181 ,443 2,255

AGL2 1.390,358 1.859,705 ,059 ,748 ,455 ,344 2,906

AGL3 1.661,254 1.538,636 ,064 1,080 ,281 ,606 1,651

2Constante 8.104,795 1.546,443 5,241 ,000

AGL1 2.825,908 1.752,408 ,113 1,613 ,108 ,428 2,338

AGL2 1.564,466 1.866,431 ,066 ,838 ,402 ,341 2,930

AGL3 1.404,575 1.570,521 ,054 ,894 ,372 ,581 1,722

SET1 -1.852,479 1.589,087 -,064 -1,166 ,244 ,707 1,415

SET2 1.021,393 2.668,643 ,021 ,383 ,702 ,730 1,371

3Constante 7.113,917 1.847,259 3,851 ,000

AGL1 2.739,704 1.753,943 ,110 1,562 ,119 ,419 2,388

AGL2 1.408,341 1.858,191 ,059 ,758 ,449 ,338 2,960

AGL3 657,095 1.571,195 ,025 ,418 ,676 ,569 1,757

SET1 -1.148,111 1.589,413 -,040 -,722 ,470 ,693 1,443

SET2 1.011,277 2.651,624 ,020 ,381 ,703 ,725 1,379

IDAD1 -1.718,175 1.509,094 -,063 -1,139 ,255 ,667 1,499

IDAD2 3.455,522 1.552,461 ,146 2,226 ,027 ,484 2,065

IDAD3 1.663,675 1.581,045 ,060 1,052 ,293 ,633 1,580

4Constante 6.302,264 1.869,796 3,371 ,001

AGL1 2.578,163 1.746,446 ,103 1,476 ,141 ,418 2,392

AGL2 1.279,617 1.849,631 ,054 ,692 ,489 ,337 2,963

AGL3 790,189 1.564,293 ,030 ,505 ,614 ,569 1,759

SET1 -536,095 1.602,490 -,018 -,335 ,738 ,675 1,481

SET2 1.504,280 2.646,506 ,030 ,568 ,570 ,720 1,388

IDAD1 -1.555,527 1.503,068 -,057 -1,035 ,301 ,666 1,502

IDAD2 3.238,502 1.547,369 ,137 2,093 ,037 ,483 2,072

IDAD3 1.824,719 1.574,556 ,066 1,159 ,247 ,632 1,583

EXP1 4.802,527 2.033,179 ,109 2,362 ,019 ,967 1,034

5Constante 6.158,376 1.881,170 3,274 ,001

AGL1 2.717,037 1.757,726 ,109 1,546 ,123 ,413 2,420

AGL2 1.233,196 1.851,693 ,052 ,666 ,506 ,337 2,967

AGL3 767,455 1.565,421 ,029 ,490 ,624 ,568 1,760

154

Coef. Não

Padron.

Coef.

Padron.


Colinearidade

Modelo B Erro

Padrão


SET1 -590,923 1.605,092 -,020 -,368 ,713 ,674 1,485

SET2 1.524,741 2.648,036 ,031 ,576 ,565 ,720 1,388

IDAD1 -1.505,970 1.505,390 -,056 -1,000 ,318 ,664 1,505

IDAD2 3.275,517 1.549,010 ,138 2,115 ,035 ,482 2,074

IDAD3 1.803,457 1.575,648 ,065 1,145 ,253 ,631 1,584

EXP1 4.608,257 2.051,646 ,104 2,246 ,025 ,951 1,052

POL1 1.827,698 2.508,932 ,034 ,728 ,467 ,966 1,035

6Constante 3.682,145 1.787,995 2,059 ,040

AGL1 3.240,223 1.641,630 ,130 1,974 ,049 ,413 2,424

AGL2 980,687 1.731,890 ,041 ,566 ,572 ,336 2,980

AGL3 -683,327 1.475,558 -,026 -,463 ,644 ,557 1,795

SET1 597,776 1.505,472 ,021 ,397 ,692 ,667 1,500

SET2 3.449,711 2.483,836 ,070 1,389 ,166 ,713 1,402

IDAD1 -1.396,920 1.410,479 -,052 -,990 ,323 ,659 1,517

IDAD2 2.657,274 1.448,635 ,112 1,834 ,067 ,480 2,083

IDAD3 351,183 1.487,909 ,013 ,236 ,814 ,617 1,622

EXP1 432,867 1.983,492 ,010 ,218 ,827 ,886 1,129

POL1 2.140,938 2.343,703 ,039 ,913 ,361 ,964 1,038

REC. LÍQUIDA 1,947E-03 ,000 ,360 7,681 ,000 ,815 1,227

REC. CLIENTE 5,557E-03 ,003 ,085 1,973 ,049 ,957 1,045

7Constante 2.801,198 1501,130 1,866 ,063

AGL1 1.335,705 1288,891 ,054 1,036 ,301 ,409 2,443

AGL2 1.225,811 1354,829 ,052 ,905 ,366 ,335 2,981

AGL3 -2.698,852 1160,315 -,104 -2,326 ,020 ,551 1,815

SET1 -682,432 1180,063 -,023 -,578 ,563 ,664 1,506

SET2 1.174,116 1947,991 ,024 ,603 ,547 ,709 1,410

IDAD1 -1.028,039 1105,516 -,038 -,930 ,353 ,656 1,524

IDAD2 475,745 1140,330 ,020 ,417 ,677 ,474 2,110

IDAD3 670,399 1164,211 ,024 ,576 ,565 ,616 1,623

EXP1 -583,092 1554,803 -,013 -,375 ,708 ,882 1,134

POL1 2.048,381 1836,430 ,038 1,115 ,265 ,960 1,041

REC. LÍQUIDA 3,705E-04 ,000 ,069 ,964 ,335 ,217 4,610

REC. CLIENTE 3,519E-03 ,002 ,054 1,580 ,115 ,935 1,069

NÚM. FUNC -1,272 13,731 -,006 -,093 ,926 ,292 3,428

REC. FUNC. ,269 ,019 ,667 13,787 ,000 ,467 2,139


155

Um dos pressupostos existentes para a validade de um modelo de regressão é a

distribuição normal dos resíduos, que são os erros na previsão dos dados da

amostra. Constatou-se que os dados referentes aos resíduos da regressão possuem

média zero e desvio padrão muito próximo de um (0,98), característicos de uma

distribuição normal. Suportando estas evidências, o histograma dos resíduos

padronizados da regressão (gráfico 11), acompanhado da curva normal, atestam a

normalidade da distribuição.

Resíduo Padronizado da Regressão

4,253,75

3,252,75

2,251,75

1,25,75,25-,25

-,75-1,25

-1,75-2,25

-2,75-3,25

-3,75-4,25

Fre

qüên

cia

120

100

80

60

40

20

0

Gráfico 11 – Histograma Padronizado da Regressão


Outro pressuposto a ser checado é o da linearidade entre os valores da variável

dependente e os das variáveis independentes. Isto é realizado através de gráficos

parciais dos resíduos da regressão entre a variável dependente e as independentes.

No nosso caso, analisaremos a linearidade entre o Valor Adicionado por Funcionário

e a Receita por Funcionário, única independente contínua significativa no sétimo

modelo de regressão. A distribuição randômica dos pontos no gráfico 12 é um

indicativo da presença de linearidade.

156


2000001000000-100000

VA

por

Fun

cion

ário

(D

epen

dent

e)60000

40000

20000

0

-20000

-40000

Gráfico 12 – Exame de Resíduos para Valor Adicionado por Funcionário x Receita

por Funcionário


Um terceiro pressuposto das regressões diz respeito à independência dos resíduos

da regressão, ou seja, de que eles não estejam correlacionados com as variáveis

independentes utilizadas. O gráfico 13, que compara a variável contínua

independente significativa do sétimo modelo (receita por funcionário) com os

resíduos da regressão demonstra uma distribuição bastante randômica das

observações, sem a existência de um padrão bem definido, atestando a

independência dos resíduos.

157


3000002000001000000-100000

Res

íduo

Pad

roni

zado

6

4

2

0

-2

-4

-6

Gráfico 13 – Resíduo Padronizado da Regressão x Receita por Funcionário (R$)


O último pressuposto da regressão a ser verificado é a constância da variância dos

resíduos para todos os níveis da variável independente, também conhecido como

homocedasticidade. Uma maneira simples de checar este pressuposto é através de

um diagrama de dispersão entre os valores dos resíduos e os valores previstos.

Observando o gráfico 14, verifica-se que os pontos se concentram de forma

randômica entre mais ou menos dois desvios padrões, confirmando este

pressuposto.

158

Valor Previsto Padronizado

1086420-2

Res

íduo

Pad

roni

zado

6

4

2

0

-2

-4

-6

Gráfico 14 – Resíduo Padronizado da Regressão x Valor Previsto Padronizado


Resumindo, todos os pressupostos de uma análise de regressão múltipla foram

cumpridos, confirmando a validade dos resultados obtidos.

5.2.2 - Análise de Regressão para a Variável Dependente Valor Adicionado por

Receita

De forma geral, os resultados da análise de variância e dos resumos dos modelos de

regressão com a variável dependente “Valor Adicionado por Receita” não são tão

bons quanto os da variável dependente anterior. No caso da análise de variância

(tabela 32), observamos que todos os modelos de regressão são significativos,

contudo, a um nível de significância de 5%, diferente das análises da primeira

variável dependente, que eram significantes a um nível de 1%. Já no que diz

respeito ao resumo dos modelos, a variância total da regressão explicada com a

inserção de todas as variáveis foi de apenas 9,2%, conforme pode ser observado na

coluna R2 da tabela 33, ou seja, bem inferior à análise de regressão anterior.

159

Tabela 32 – Análise de Variância

Modelo Soma dos

Quadrados

GL Média dos

Quadrados

F Sig.

1 Regressão 2,082 3 ,694 4,787 ,003

Resíduo 66,125 456 ,145

Total 68,207 459

2 Regressão 2,417 5 ,483 3,336 ,006

Resíduo 65,790 454 ,145

Total 68,207 459

3 Regressão 2,587 8 ,323 2,223 ,025

Resíduo 65,620 451 ,145

Total 68,207 459

4 Regressão 2,754 9 ,306 2,103 ,028

Resíduo 65,454 450 ,145

Total 68,207 459

5 Regressão 2,774 10 ,277 1,903 ,043

Resíduo 65,434 449 ,146

Total 68,207 459

6 Regressão 3,604 12 ,300 2,078 ,017

Resíduo 64,603 447 ,145

Total 68,207 459

7 Regressão 6,281 14 ,449 3,224 ,000

Resíduo 61,927 445 ,139

Total 68,207 459


Tabela 33 – Resumo dos Modelos

Modelo R R2 R2 Ajustado Erro Padrão

1 ,175 ,031 ,024 ,3808

2 ,188 ,035 ,025 ,3807

3 ,195 ,038 ,021 ,3814

4 ,201 ,040 ,021 ,3814

5 ,202 ,041 ,019 ,3817

6 ,230 ,053 ,027 ,3802

7 ,303 ,092 ,064 ,3730


160

Partindo para a análise dos coeficientes dos modelos da regressão (tabela 34), a

constatação mais interessante é a de que, em todos os modelos, os coeficientes

da terceira variável dummy de aglomeração (AGL 3) se mostraram significativos

(nível de significância de 5%) e, mais uma vez, negativos, reforçando os resultados

observados anteriormente para a variável dependente “Valor Adicionado por

Funcionário”, que indicou que a localização em altas aglomerações prejudica o

desempenho econômico das firmas do setor de confecções. Novamente, as

variáveis apresentaram baixos índices de colinearidade.

Conforme se observa na tabela 34, nos modelos de 1 a 5, a terceira dummy de

aglomeração é a única variável significativa que se apresenta. Tal comportamento só

se modifica a partir do modelo 6, quando as variáveis independentes contínuas

passam a ser inseridas. No sexto modelo, o coeficiente da receita líquida também é

significativo e negativo, indicando que as firmas com maiores receitas, ou seja, as

grandes firmas, são mais prejudicadas, em termos de desempenho econômico, do

que as firmas menores.

As atenções, todavia, devem se direcionar ao sétimo modelo, que apresenta três

variáveis significativas: a receita líquida, o número de funcionários e a terceira

dummy de aglomeração. A receita líquida e o número de funcionários possuem

coeficientes negativo e positivo, respectivamente. Conforme demonstra a tabela 34,

as firmas com as maiores receitas líquidas possuem seu Valor Adicionado por

Receita mais prejudicado do que as menores. Pode se dizer que um aumento de R$

100.000 na receita da firma ocasiona uma queda de aproximadamente 0,00383

pontos na variável dependente. Um impacto, portanto, muito pequeno.

As variáveis relacionadas ao número de funcionários melhorou o R2 da regressão no

modelo 7, mas não de forma considerável. O interessante neste modelo são os

coeficientes da dummy de aglomeração AGL3, que apontam que as firmas

localizadas em cidades com altas aglomerações (no caso do setor de confecções,

somente a cidade de São Paulo) possuem seu desempenho prejudicado em relação

às demais firmas. Em outras palavras, estar localizado em São Paulo implica em

uma perda de 11,3% no Valor Adicionado por Receita, valor expressivo, dada a

média de 52,3% de todas as firmas amostradas (ver tabela 13).

161


Adicionado por Receita

Coef. Não

Padron.

Coef.

Padron.


Colinearidade

Modelo B Erro

Padrão


1Constante ,566 ,030 18,685 ,000

AGL1 1,083E-03 ,056 ,001 ,019 ,985 ,444 2,252

AGL2 2,548E-03 ,061 ,003 ,042 ,967 ,342 2,928

AGL3 -,149 ,050 -,177 -2,973 ,003 ,597 1,676

2Constante ,556 ,050 11,073 ,000

AGL1 -1,601E-02 ,057 -,020 -,280 ,780 ,426 2,348

AGL2 -6,888E-05 ,061 ,000 -,001 ,999 ,339 2,952

AGL3 -,147 ,051 -,174 -2,862 ,004 ,572 1,749

SET1 3,407E-02 ,051 ,036 ,661 ,509 ,698 1,432

SET2 -7,505E-02 ,085 -,048 -,885 ,377 ,718 1,392

3Constante ,587 ,061 9,622 ,000

AGL1 -2,501E-02 ,058 -,031 -,431 ,667 ,417 2,399

AGL2 5,690E-03 ,061 ,007 ,093 ,926 ,336 2,980

AGL3 -,146 ,052 -,174 -2,827 ,005 ,561 1,782

SET1 3,252E-02 ,052 ,035 ,625 ,532 ,686 1,457

SET2 -7,752E-02 ,085 -,050 -,909 ,364 ,714 1,401

IDAD1 -3,323E-02 ,050 -,038 -,667 ,505 ,668 1,498

IDAD2 -2,061E-02 ,051 -,027 -,402 ,688 ,482 2,076

IDAD3 3,392E-02 ,052 ,038 ,653 ,514 ,629 1,591

4Constante ,598 ,062 9,667 ,000

AGL1 -2,227E-02 ,058 -,027 -,384 ,701 ,416 2,404

AGL2 7,661E-03 ,061 ,010 ,125 ,901 ,335 2,983

AGL3 -,149 ,052 -,177 -2,868 ,004 ,560 1,785

SET1 2,448E-02 ,053 ,026 ,466 ,642 ,672 1,487

SET2 -8,410E-02 ,085 -,054 -,984 ,326 ,710 1,409

IDAD1 -3,636E-02 ,050 -,041 -,728 ,467 ,665 1,503

IDAD2 -1,647E-02 ,051 -,021 -,320 ,749 ,479 2,088

IDAD3 3,136E-02 ,052 ,035 ,603 ,547 ,627 1,594

EXP1 -7,286E-02 ,068 -,050 -1,070 ,285 ,970 1,031

5Constante ,600 ,062 9,649 ,000

AGL1 -2,476E-02 ,058 -,031 -,423 ,672 ,411 2,435

AGL2 8,425E-03 ,062 ,011 ,137 ,891 ,335 2,986

AGL3 -,148 ,052 -,176 -2,856 ,004 ,560 1,786

162

Coef. Não

Padron.

Coef.

Padron.


Colinearidade

Modelo B Erro

Padrão


SET1 2,589E-02 ,053 ,028 ,491 ,624 ,669 1,495

SET2 -8,421E-02 ,086 -,054 -,984 ,326 ,710 1,409

IDAD1 -3,725E-02 ,050 -,042 -,745 ,457 ,664 1,507

IDAD2 -1,704E-02 ,051 -,022 -,331 ,741 ,478 2,090

IDAD3 3,171E-02 ,052 ,036 ,609 ,543 ,627 1,595

EXP1 -7,030E-02 ,069 -,048 -1,026 ,305 ,960 1,042

POL1 -3,104E-02 ,083 -,018 -,374 ,708 ,969 1,032

6Constante ,607 ,063 9,599 ,000

AGL1 -2,716E-02 ,058 -,033 -,466 ,641 ,410 2,439

AGL2 3,564E-03 ,061 ,005 ,058 ,954 ,333 3,001

AGL3 -,130 ,052 -,155 -2,488 ,013 ,547 1,828

SET1 1,779E-02 ,053 ,019 ,337 ,736 ,664 1,506

SET2 -8,910E-02 ,086 -,057 -1,040 ,299 ,703 1,423

IDAD1 -3,357E-02 ,050 -,038 -,672 ,502 ,660 1,514

IDAD2 -1,313E-02 ,051 -,017 -,256 ,798 ,477 2,097

IDAD3 5,141E-02 ,052 ,058 ,979 ,328 ,612 1,635

EXP1 -3,649E-02 ,070 -,025 -,520 ,603 ,909 1,100

POL1 -3,723E-02 ,083 -,021 -,450 ,653 ,966 1,035

REC. LÍQUIDA -2,039E-08 ,000 -,113 -2,222 ,027 ,814 1,228

REC. CLIENTE 1,233E-07 ,000 ,060 1,277 ,202 ,946 1,057

7Constante ,559 ,067 8,351 ,000

AGL1 -1,265E-02 ,057 -,016 -,221 ,825 ,408 2,449

AGL2 3,179E-03 ,060 ,004 ,053 ,958 ,333 3,001

AGL3 -,113 ,052 -,135 -2,193 ,029 ,542 1,846

SET1 1,629E-02 ,052 ,017 ,315 ,753 ,663 1,507

SET2 -6,312E-02 ,084 -,040 -,749 ,454 ,699 1,431

IDAD1 -1,818E-02 ,049 -,021 -,370 ,712 ,656 1,523

IDAD2 -5,270E-03 ,050 -,007 -,104 ,917 ,476 2,101

IDAD3 5,138E-02 ,052 ,058 ,997 ,319 ,612 1,635

EXP1 -3,698E-02 ,069 -,025 -,537 ,591 ,908 1,101

POL1 -2,097E-02 ,081 -,012 -,258 ,797 ,962 1,040

REC. LÍQUIDA -3,829E-08 ,000 -,213 -2,320 ,021 ,243 4,123

REC. CLIENTE 1,258E-07 ,000 ,062 1,305 ,192 ,913 1,095

NÚM. FUNC 1,565E-03 ,001 ,197 2,492 ,013 ,325 3,075

REC. FUNC. -1,193E-06 ,000 -,100 -1,550 ,122 ,487 2,054


163

Expostos estes resultados, observa-se que os modelos de regressão mais

completos para ambas as variáveis dependentes são convergentes quanto ao fato

de que (1) não há evidências significativas de que a localização em

aglomerações industriais gere impactos positivos no desempenho econômico

das firmas de confecções e que, pelo contrário, (2) a localização na região mais

aglomerada, a cidade de São Paulo, possui um efeito negativo sobre o

desempenho destas empresas.

Checando os quatro principais pressupostos para as análises de regressões

múltiplas (normalidade do erro, linearidade, homocedasticidade e independência dos

resíduos), verificamos, primeiramente, que os resíduos da regressão possuem uma

distribuição bem próxima de uma normal, com média igual a zero e desvio padrão

próximo de um (0,98). O histograma abaixo (gráfico 15), acompanhado de uma

curva normal, auxilia na visualização desta distribuição. O pressuposto de

normalidade, portanto, se confirma.

Resíduo Padronizado da Regressão

2,752,25

1,751,25

,75,25-,25-,75

-1,25-1,75

-2,25-2,75

-3,25-3,75

-4,25-4,75

-5,25

Fre

qüên

cia

70

60

50

40

30

20

10

0

Gráfico 15 – Histograma Padronizado da Regressão


164

Os gráficos parciais de resíduos entre a variável dependente e as independentes

contínuas significativas, gráficos 16 e 17, demonstram uma distribuição randômica

dos pontos, sem a emergência de um padrão, confirmando o pressuposto de

linearidade entre a variável dependente e as independentes.


10000000

8000000

6000000

4000000

2000000

0

-2000000

-4000000

-6000000

VA

por

Rec

eita

(D

epen

dent

e)

1,5

1,0

,5

0,0

-,5

-1,0

-1,5

-2,0

-2,5

Gráfico 16 – Exame de Resíduos para Valor Adicionado por Receita x Receita

Líquida da Firma

Fonte: Elaborado pelo autor.

165


2001000-100-200

VA

por

Rec

eita

(D

epen

dent

e)1,5

1,0

,5

0,0

-,5

-1,0

-1,5

-2,0

-2,5

Gráfico 17 – Exame de Resíduos para Valor Adicionado por Receita x Número de

Funcionários

Fonte: Elaborado pelo autor.

Quanto à independência dos resíduos da regressão, os gráficos 18 e 19, que

comparam as variáveis contínuas independentes significativas do sétimo modelo

(receita líquida da firma e número de funcionários) com os resíduos da regressão

demonstram uma distribuição bastante randômica das observações, sem a

existência de um padrão bem definido, atestando a independência dos resíduos.

166


3000000020000000100000000

Res

íduo

Pad

roni

zado

4

2

0

-2

-4

-6

Gráfico 18 – Resíduo Padronizado da Regressão x Receita Líquida da Firma (R$)



5004003002001000

Res

íduo

Pad

roni

zado

4

2

0

-2

-4

-6

Gráfico 19 – Resíduo Padronizado da Regressão x Número de Funcionários


167

Por fim, o gráfico 20, que aponta os valores dos resíduos e os valores previstos,

demonstra uma distribuição randômica dos pontos entre mais ou menos dois desvios

padrões, confirmando o pressuposto de homocedasticidade. Temos, finalmente,

todos os pressupostos confirmados, validando os resultados da regressão.

Valor Padronizado Previsto

420-2-4-6

Res

íduo

Pad

roni

zado

4

2

0

-2

-4

-6

Gráfico 20 – Resíduo Padronizado da Regressão x Valor Previsto Padronizado


168

CAPÍTULO 6 – CONCLUSÕES

Este último capítulo apresenta comentários a respeito dos objetivos especificados

para o trabalho e os resultados obtidos. Serão expostas também as implicações

deste trabalho no ramo gerencial e acadêmico, as suas limitações, sugestões para

pesquisas futuras e, por último, as considerações finais.

6.1 - Conclusões

Talvez, uma das tarefas mais difíceis existentes em uma pesquisa seja comentar

resultados que não convergiram com as expectativas do autor e, principalmente,

com todo um arcabouço teórico. É diante desta situação que esta dissertação se

encontra.

Utilizando primordialmente uma base de dados secundários elaborada pelo governo

do estado de São Paulo, e conjugando-a com as informações elaboradas pelo

SEBRAE sobre as concentrações industriais existentes neste mesmo estado, este

trabalho teve como objetivo principal avaliar o impacto que a localização em

aglomerações industriais possui sobre o desempenho econômico das firmas. Para a

consecução deste objetivo, escolhemos, por uma série de razões anteriormente

expostas, o setor de confecções.

Baseada na literatura revista para este trabalho, a expectativa quanto aos resultados

de nossa pesquisa era de que a localização em aglomerações industriais impactasse

positivamente no desempenho econômico das firmas, medido em termos de Valor

Adicionado por Funcionário e Valor Adicionado por Receita. Uma vez realizadas as

análises, contudo, nos deparamos com resultados bem distantes daqueles

anteriormente antecipados.

Através das análises multivariadas de regressão, observamos que, para as

empresas amostradas do setor de confecções, não há evidências de que a

localização em aglomerações industriais influencie positivamente o

desempenho econômico. Como se este resultado não bastasse, foi ainda

169

observado que as firmas localizadas na região mais aglomerada, a cidade de São

Paulo, possuem seu desempenho econômico prejudicado. Portanto, simetricamente

opostas às expectativas do trabalho, há evidências de que em um alto nível de

aglomeração as firmas deste setor podem se desempenhar pior que as demais.

Podemos especular sobre diversas razões para a ocorrência destes fenômenos

entre as firmas amostradas. Uma das primeiras hipóteses pode estar relacionada

aos processos de cooperação entre as firmas. Conforme verificado na análise

descritiva dos dados, poucas são as firmas que possuem uma política de

relacionamento formal com a comunidade. Apesar de isto dizer pouco em termos

das possibilidades existentes de estabelecimento de relações sociais, este pode ser

o primeiro de uma série de sintomas que indicam não haver uma rede de

cooperação capaz de trazer às firmas aglomeradas um diferencial competitivo em

relação às não aglomeradas.

Outra hipótese que também pode explicar os resultados obtidos está relacionada ao

equilíbrio entre os processos de cooperação e competição. Apesar da possível

existência de processos de cooperação entre as firmas, as organizações

aglomeradas poderiam encontrar-se imersas em um processo de competição tão

acirrado, que os efeitos negativos deste acabam anulando os benefícios gerados

pela cooperação. Indo um pouco mais a fundo, este processo de competição poderia

ser estimulado por uma possível falta de diferenciação dos produtos produzidos

pelas firmas geograficamente aglomeradas, o que poderia levá-las a um prejudicial

processo de competição baseada no preço.

Quanto ao fato da ausência de evidências que comprovem que as firmas

aglomeradas se desempenham melhor da que as não aglomeradas, podemos

especular também que as firmas não aglomeradas podem possuir um grau de

incremento tecnológico superior às aglomeradas, o que as compensaria pelo fato de

não localizarem em aglomerações industriais ou que as firmas aglomeradas

encontram-se tão homogeneizadas que todo o diferencial resultante da suposta

diversidade existente nas aglomerações industriais possa ter se anulado com o

decorrer do tempo.

170

Quanto ao pior desempenho econômico das firmas localizadas na cidade de São

Paulo, as externalidades negativas são fortes candidatas à explicação deste

fenômeno. Os custos elevados de terra e de serviços de manutenção, os altos

salários de mão-de-obra, problemas logísticos, dentre outros, podem ser uma das

diversas explicações que se encontram no domínio das externalidades negativas.

As hipóteses acima expostas são poucas diante da quantidade de possíveis

explicações para os resultados obtidos pela pesquisa. A inquietude gerada por estes

resultados abre as portas para futuras pesquisas que possam suceder a este

trabalho.

Como objetivo secundário, queríamos buscar outras razões ou fatores, ademais

daqueles relacionados com a localização em aglomerações industriais, que

poderiam explicar uma variação em ambas as varáveis dependentes de nosso

estudo, Valor Adicionado por Funcionário e Valor Adicionado por Receita. As

variáveis independentes inseridas nos modelos de regressão com esta finalidade

foram insuficientes para cumprir satisfatoriamente o segundo objetivo desta

pesquisa.

As análises de regressão demonstraram a ausência de evidências de que as

variáveis independentes categóricas do estudo (exportação, setor de atividade,

idade da firma, política de relacionamento com a comunidade) afetam o

desempenho econômico das firmas.

Quanto às variáveis independentes contínuas, estas, de certa forma, explicaram

melhor a variação no desempenho entre as firmas, mas dada a redundância

existente entre estas e a variável dependente, a contribuição delas para os

resultados da pesquisa foi muito pequena. Talvez, a descoberta mais interessante

neste aspecto tenha sido a relação negativa entre a receita líquida da firma e o

desempenho econômico, indicando que as empresas de grande porte (sob a ótica

do faturamento) têm seu desempenho mais prejudicado do que as pequenas.

Particularmente, quanto aos objetivos secundários, o resultado que causou maior

desconforto foi o fato de a variável “exportação” e “política de relacionamento com a

171

comunidade” não explicarem a variação no desempenho econômico das firmas.

Apesar de serem poucas as firmas amostradas que exportavam ou praticavam uma

política formal de relacionamento no ano de 2001, havia uma expectativa não

expressa de que ambas as variáveis fossem significativas durante as análises de

regressão, o que não se concretizou.

O fato de a exportação não ser significativa para explicar o desempenho das firmas

pode ser um indicativo, dentre uma série de possíveis razões, de que as firmas

exportadoras produzem bens com valor agregado semelhante aos vendidos no

mercado interno ou que a competição no mercado internacional é tão intensa, que

as firmas possuem pouco espaço para a prática de preços diferenciados.

Quanto aos resultados obtidos em relação às estratégias de relacionamento com a

comunidade, estas talvez sejam irrelevantes diante de todo o aspecto informal

envolvido nas relações comunitárias. As relações informais, variável potencialmente

capaz de explicar variações nos desempenhos entre as firmas, poderá ser melhor

explorada em estudos futuros.

6.2 – Implicações Gerenciais e Acadêmicas

Apesar da impossibilidade de generalização dos resultados da pesquisa, estes

proporcionam possíveis direcionamentos tanto ao meio acadêmico quanto aquele

mais direcionado à prática empresarial.

A constatação de que a aglomeração não proporciona nenhuma vantagem, em

termos de desempenho econômico, às empresas amostradas abre as portas à

verificação deste mesmo fenômeno em outros setores da economia paulista ou, até

mesmo, nacional. A mensuração do desempenho de diversos setores poderá ajudar

no levantamento das características daqueles que se desempenham melhor em

aglomerações industriais e daqueles cuja aglomeração é indiferente ou prejudicial à

firma, de forma que ações corretivas nas políticas de desenvolvimento dos arranjos

produtivos locais brasileiros sejam tomadas.

172

Complementar a esta primeira oportunidade para o meio acadêmico, não somente o

setor de confecções, mas todos aqueles cuja localização em aglomerações parece

não gerar impactos positivos no desempenho das firmas, podem ser submetidos a

diversos testes de hipóteses que visem explicar tal fenômeno. As possíveis

explicações para este fenômeno expostas no item anterior deste capítulo podem ser

um bom ponto de partida. Quanto às firmas localizadas na cidade de São Paulo, a

explicação quase intuitiva das externalidades negativas como causadoras do pior

desempenho deve ser tratada com maior rigor. Talvez, questões mais complexas e

menos evidentes, como relações de poder e a estrutura da rede de relações sociais,

podem estar por trás do desempenho inferior das firmas paulistanas.

A utilização de uma metodologia quantitativa nos estudos sobre as aglomerações

industriais brasileiras é (infelizmente) ainda uma inovação, o quê a coloca, em

matéria de relevância, emparelhada com os resultados derivados desta metodologia.

Como pôde ser verificado, a utilização de uma base de dados secundários pode

transpor possíveis questões de financiamento de pesquisas quantitativas, apesar

dos eventuais problemas que possam ser encontradas em bases criadas com

finalidades diferentes daquelas a qual uma nova pesquisa se direciona. De qualquer

forma, são um excelente meio de obter resultados que gerem insights para

pesquisas futuras.

Na fronteira entre o aspecto acadêmico e o aspecto gerencial (onde podem ser

incluídas também as questões governamentais) está o potencial de utilização da

metodologia deste trabalho como ferramenta de identificação de clusters e arranjos

produtivos locais. Aliás, o fato de que a localização em aglomerações não influi no

desempenho econômico das firmas é um forte sintoma de que as regiões industriais

de confecções no estado de São Paulo dificilmente podem receber tais

denominações. Em termos acadêmicos, isto pode atuar como um limitador às

precipitadas conclusões de que determinadas regiões ou aglomerações constituem

clusters ou APLs, freando, desta forma, o ímpeto da comunidade acadêmica em dar

rapidamente a determinados espaços geográficos estas classificações. No aspecto

gerencial, ressalta-se o potencial desta metodologia como suporte às tomadas de

decisões governamentais no que diz respeito à identificação e financiamento de

projetos para APLs no estado de São Paulo.

173

Quanto às implicações não acadêmicas deste trabalho, destaca-se o seu potencial

como instrumento de suporte às políticas de associações locais do setor de

confecções e àquelas do governo do estado de São Paulo, que busca,

explicitamente, o aumento do valor adicionado nos APLs do estado. Em relação aos

resultados obtidos sobre o desempenho da firmas na cidade de São Paulo, este

pode contribuir na elaboração de estratégias mais específicas para estas

organizações, que, economicamente, apresentam uma posição de desvantagem em

relação às demais empresas amostradas.

Outra implicação de aspecto gerencial pode estar relacionada às estratégias

competitivas adotadas pelas firmas aglomeradas. Se, pelo menos para as

organizações amostradas, a localização em aglomerações não oferece nenhum

diferencial em termos de desempenho econômico, sugere-se que estas repensem

de forma coletiva, como se de fato fossem clusters ou APLs, as estratégias

implantadas localmente, de forma a aumentar a posição competitiva destas em

relação às firmas localizadas em outras aglomerações e às firmas que competem

globalmente.

6.3 – Limitações da Pesquisa

Obviamente, este trabalho possui suas limitações. Apontaremos aqui os principais

limites impostos a esta dissertação.

A primeira limitação diz respeito à natureza exploratória do trabalho. O fato de a

metodologia do trabalho ter feito uso de uma amostra não-probabilística impede que

os resultados trabalho possam ser generalizados, ficando estes restritos às

empresas constituintes de nossa amostra.

Conjugado à amostra não-probabilística, o pequeno número de variáveis

independentes utilizadas no estudo impedem o estabelecimento de uma relação de

causalidade entre a localização industrial e o desempenho das firmas, ou seja, não

possuímos evidências claras de que as firmas localizadas em aglomerações

industriais se desempenhem pior ou melhor do que as não aglomeradas. Podemos

174

apenas dizer que, para as empresas amostradas e as variáveis utilizadas, a

aglomeração industrial prejudica ou melhora o desempenho econômico das firmas.

Uma terceira limitação a ser lembrada diz respeito ao fato de que o trabalho poderia

ser substancialmente melhorado caso a pesquisa quantitativa fosse combinada a

uma qualitativa. Apesar de este trabalho visar incrementar o uso de abordagens

quantitativas nos estudos sobre aglomerações industriais, a metodologia quantitativa

não deve manter-se distante de sua contraparte qualitativa, mais utilizada nos

estudos brasileiros. O uso conjugado de ambas as abordagens só vem trazer

benefícios ao campo de estudo.

Um ponto que também deve ser colocado é o fato de que o Atlas das Concentrações

Industriais, apesar de ser um bom instrumento para o direcionamento de pesquisas

sobre aglomerações, é muito limitado, dado o fato que este trata as aglomerações

em termos de cidades, e não dos espaços geográficos que estas realmente podem

ocupar. Desta forma, ao mesmo tempo em que uma aglomeração pode transpor os

limites políticos de uma cidade, é muito pouco provável que as firmas de confecções

da cidade de São Paulo estejam distribuídas de forma homogênea pelo seu

território. A imprecisão do instrumento utilizado, portanto, é uma das limitações de

nosso trabalho.

Ainda em relação ao Atlas das Concentrações Industriais, a separação das

aglomerações por níveis carece de refinamento. Por exemplo, as aglomerações de

nível 2 corresponderiam a cidades que possuem de 100 a 499 empresas, uma

amplitude muito grande para pertencer a somente uma categoria. Desta forma, em

futuros estudos a questão dos níveis de aglomerações deve ser melhor tratado, a fim

de refinar também os resultados da pesquisa. Acreditamos que, dadas estas duas

fortes desvantagens do Atlas, a utilização deste como instrumento de apoio às

políticas de Arranjos Produtivos Locais, objetivo exposto pelo SEBRAE (2002),

precisa de grandes revisões antes de alcançar seus objetivos plenos.

Outro ponto a ser exposto sobre este trabalho é que ele se limitou à mensuração do

desempenho através de uma única dimensão: a econômica. A utilização de medidas

financeiras (Retorno sobre os Ativos, Lucro Líquido, dentre outras) poderia fornecer

175

maiores informações sobre as firmas de nossa amostra. Além disso, medidas

relativas ao conceito de valor adicionado são apenas uma das possíveis medidas

econômicas a serem utilizadas na avaliação desempenho das firmas. Expõe-se,

portanto, a necessidade de estudos futuros que contemplem também outros índices

de desempenho econômico.

Apesar de ser desejável a utilização de outros aspectos de desempenho, a limitação

acima exposta esconde uma outra, de cunho ainda mais estrutural, ligada à

utilização de uma base de dados secundários. Como a base de dados secundários

não é formatada para os objetivos de outros pesquisadores, muitas informações que

poderiam enriquecer nossa pesquisa não constam nela. Reforça-se, portanto, a

combinação de dados secundários com dados primários obtidos em campo.

Por fim, ainda em relação à base de dados secundários, esta se refere apenas aos

dados do ano de 2001. O ideal seria que esta contivesse dados de vários anos

sobre o desempenho das firmas que lá constam. A análise de apenas um período no

tempo pode não refletir a realidade do desempenho econômico das firmas ao longo

dos anos.

6.4 – Sugestões de Pesquisa

O presente trabalho foi capaz de apresentar algumas considerações a respeito da

relação entre a localização em aglomerações industriais e o desempenho das firmas.

Apresentadas as limitações deste estudo, todavia, fica evidente que alguns passos

ainda devem ser dados para a obtenção de resultados mais específicos e, ao

mesmo tempo, generalizáveis. Desta forma, apresentam-se a seguir algumas

sugestões de pesquisa.

• Análises de desempenho das firmas baseadas em amostras probabilísticas,

abrangendo não somente um, mas diversos setores das indústrias localizadas

no estado de São Paulo;

176

• Analisar o desempenho das firmas em uma série histórica de anos,

abrangendo, além do aspecto econômico, o financeiro, o mercadológico, o

produtivo, dentre outros;

• Conjugar as análises quantitativas com uma metodologia qualitativa de

pesquisa, de forma que aspectos como a rede de relações sociais, as

relações de poder existentes em aglomerações, a cultura de inovação e

outras questões fundamentais à competitividade das aglomerações industriais

sejam levadas em consideração;

• Abordar a questão do desempenho das firmas a partir da promissora

perspectiva da Resource-based View, capaz de proporcionar insights

interessantes a respeito da competitividade e desempenho das firmas;

• Realizar uma profunda investigação das aglomerações industriais,

especialmente aquelas localizadas no estado em São Paulo, de forma a

verificar quais destas realmente são clusters ou APLs, baseando-se em um

critério claro e específico de classificação.

• Organizar um estudo sobre o desempenho das firmas localizadas na cidade

de São Paulo, comparando-o com aquelas localizadas em outras

aglomerações industriais do estado, mapeando os aspectos e características

que fazem ambos os grupos mais ou menos competitivos;

• Verificar, para o âmbito nacional, qual a importância que a localização em

aglomerações industriais possui para firmas de alta tecnologia e para aquelas

caracterizadas tradicionalmente pelo baixo incremento tecnológico, como as

de confecções.

Acreditamos que a realização de algumas destas pesquisas só virão a enriquecer o

repertório de pesquisas em profundidade sobre as aglomerações industriais no

Brasil.

177

6.5 – Considerações Finais

O presente trabalho teve como ponto de partida a constatação da falta de

abordagens quantitativas sobre as aglomerações industriais e do pouco explorado

aspecto do desempenho destas. Desta forma, este estudo veio avaliar qual a

relação havia entre a localização em aglomerações industriais e o desempenho

econômico das firmas. Escolhemos, por uma série de razões expostas

anteriormente, o setor de confecções.

Os resultados não corresponderam às expectativas geradas pela revisão de

literatura, uma vez que foi constatada a falta de evidências que comprovem que a

aglomeração industrial proporcione, de fato, alguma vantagem econômica às firmas.

Pelo contrário, no caso das firmas localizadas na cidade de São Paulo, a única

cidade do estado caracterizada por uma alta aglomeração do setor de confecções,

apresentaram-se evidências de que estas possuem seu desempenho prejudicado

em relação às demais firmas. Todavia, dado o caráter exploratório do estudo, os

resultados destes não podem ser generalizados, ficando as conclusões restritas às

empresas amostradas.

Ainda assim, o trabalho realizado permitiu contribuições relevantes para o

conhecimento sobre o tema: a abordagem quantitativa, ainda pouco explorada nos

estudos sobre aglomerações industriais no Brasil, ofereceu uma nova perspectiva de

análise. Esta, aliada com o estudo sobre o desempenho econômico das firmas

aglomeradas, se constitui em um dos principais marcos desta dissertação, abrindo

possibilidades para o uso do desempenho econômico das firmas surge como um dos

critérios de suporte à identificação de clusters e APLs no âmbito nacional.

178

7 - REFERÊNCIAS

AAKER, David A; KUMAR, V; DAY, George S. Marketing Research. 6th edition, New York: John Wiley & Sons Inc., 1998, 776 p.

ABIT. Brasil Têxtil: Relatório Setorial da Cadeia Têxtil Brasileira. São Paulo: Free Press Editorial, 2004, 178 p.

AMATO NETO, João; GARCIA, Renato. (2003). Sistemas Locais de Produção: Em Busca de um Referencial Teórico. XXIII ENEGEP, 21 a 24 de Outubro, Ouro Preto – Brasil.

ARROWS, Kenneth J.. Increasing Returns: historiographic issues and path dependence. The European Journal of the History of Economic Thought, v. 7, n. 2, p. 171-180, sum. 2000.

ARTHUR, W. Brian. Increasing Returns and the New World of Business. Harvard Business Review, v. 74, n. 4, p. 100-109, 1994.

AUDRETSCH, David B.; FELDMAN, Maryann P.. R&D Spillovers and the Geography of Innovation and Production. The American Economic Review, v. 86, n. 3, p. 630-649, jun. 1996.

BAPTISTA, Rui. Research Round Up: Industrial Clusters and Technological Innovation. Business Strategy Review, v. 7, n. 2, p. 59-64, 1996.

BECATTINI, Giacomo. Industrial Sectors and Industrial Districts: Tools for Industrial Analysis. European Planning Studies, v. 10, n. 4, p. 483-394, 2002.

______. Italian Industrial Districts: Problems and Perspectives. International Studies of Management & Organization, v. 21, n. 1, p. 83-90, 1991.

BELLANDI, Marco. Italian Industrial Districts: An Industrial Economic Interpretation. European Planning Studies, v. 10, n. 4, p. 425-437, 2002.

BENEDETTI, Enio. Industrial districts of Italy: Local-Network Economies in a Global-Market Web. Human Systems Management, v. 18, p. 65-68, 1999.

179

BENNEWORTH, Paul. Creating New Industries and Service Clusters on Tyneside. Local Economy, v. 17, n. 4, p. 313-327, 2002.

BIANCHI, Giuliano. Requiem for the Third Italy? Rise and fall of a too successful concept. Entrepreneurship & Regional Development, v. 10, p. 93-116, 1998.

BOSCHMA, Ron A.; LAMBOOY, Jan G.. Knowledge, Market Structure, and Economic Coordination: Dynamics of Industrial Districts. Growth and Change, v. 33, p. 291-311, summer 2002.

BOTELHO, Maria dos Reis Azevedo; PAULA, Germano Mendes de; KAMASAKI, Gilsa Yumi. Aglomeração Produtivas Locais e Inserção Competitiva de Micros, Pequenas e Médias Empresas; A Experiência de Santa Rita do Sapucaí. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 28., 2004, Curitiba. Anais Eletrônicos... Curitiba: ANPAD, 2004. 1 CD-ROM.

BRITTO, Jorge; ALBUQUERQUE, Eduardo da Mota. (2001). Estrutura e Dinamismo de Clusters Industriais na Economia Brasileira: Uma Análise Comparativa Exploratória. IV ENCONTRO DE ECONOMISTAS DE LÍNGUA PORTUGUESA. Universidade de Évora – Portugal.

BRÜHLHART, Marius. Economic Geography, Industry Location and Trade: The Evidence. The World Economy, v. 21, n. 6, p. 775-801, 1998

CARBONARA, Nunzia. New models of inter-firm networks within industrial districts. Entrepreneurship & Regional Development, v. 14, p. 229-246, 2002.

CARROLL, Glenn R.; HANNAN Michael T.. Density Delay in the Evolution of Organizational Populations: A Model and Five Empirical Tests. Administrative Science Quarterly, v. 34, n. 3, p. 411-430, sep. 1989.

CASSIOLATO, José Eduardo; LASTRES, Helena Maria Martins. Local Systems of Innovation in Mercosur Countries. Industry & Innovation, v. 7, n. 1, p. 33-53, 2000.

CHILES, Todd H.; MEYER, Alan D.. Managing the Emergence of Clusters: An Increasing Returns Approach to Strategic Change. Emergence, v. 3, n. 3, p. 58-89, 2001.

180

COIMBRA DE SOUZA, Sebastião Décio; ARICA, José. (2003). Uma Análise entre as Abordagens de Sistema de Inovação e o Diamante de Porter para a Análise de Arranjos Produtivos Locais. XXIII ENEGEP, 21 a 24 de Outubro, Ouro Preto – Brasil.

CONTADOR JÚNIOR, Osvaldo; DA SILVA, Ethel Cristina. (2003) Arranjo Produtivo e Desenvolvimento Regional. XXIII ENEGEP, 21 a 24 de Outubro, Ouro Preto – Brasil.

COROLLEUR, Frédéric; COURLET, Claude. The Marshallian Industrial District, an organizational and institutional answer to uncertainty. Entrepreneurship & Regional Development, v. 15, p. 299-307, oct./dec. 2003.

DEI OTATTI, Gabi. Social Concertation and Local Development: The Case of Industrial Districts. European Planning Studies, v. 10, n. 4, p. 449-466, 2002.

______. Cooperation and Competition in the Industrial District as an Organization Model. European Planning Studies, v. 2, n. 4, p. 463-483, 1994.

FLOYSAND, Arnt; JAKOBSEN, Stig-Erik. Clusters, Social Fields, and Capabilities: Rules and Restructuring in Norwegian Fish-Processing Clusters. International Studies of Management & Organization, v. 31, n. 4, p. 35-55, 2002.

FUNDAÇÃO SEADE. Metodologia: Pesquisa da Atividade Econômica Paulista 2001, 2004. Disponível em: http://www.seade.gov.br/produtos/paep/pdfs/metodo.pdf. Acessado em: 26/11/04.

______. Unidades Locais da Indústria, Pessoal Ocupado, Receita Líquida e Valor Adicionado, segundo Atividades Estado de São Paulo – 2001, 2004a. Disponível em: http://www.seade.gov.br/produtos/paep/index.html. Acessado em 24/11/04.

GLAESER, Edward L.; KALLAL, Hedi D.; SCHEINKMAN, José A.; SHLEIFER, Andrei. Growth in Cities. Journal of Political Economy, v. 100, n. 6, p. 1126-1152, 1992.

HAIR, Joseph F.; ANDERSON, Rolph E.; TATHAM, Ronald L.; BLACK, William C.. Multivariate Data Analysis. 4th Edition, New Jersey: Prentice Hall, 1995, 745 p.

HAKANSON, Lars. Epistemic Communities and Cluster Dynamics: On the Role of Knowledge in Industrial Districts. Academy of Management Best Conference Paper, p. E1-E6, 2004.

181

HENDERSON, Vernon; KUNCORO, Ari; TURNER, Matt. Industrial Development in Cities. Journal of Political Economy, v. 103, n. 5, p. 1067-1090, 1995.

HOWELLS, Jeremy R. L.. Tacit Knowledge, Innovation and Economic Geography. Urban Studies, v. 39, n. 5-6, p. 871-884, 2002.

IBGE. Pesquisa CNAE, 2004. Disponível em: http://www.cnae.ibge.gov.br/cgi-bin/cnae-prd.dll/html/default. Acessado em: 20/11/04.

ISAKSEN, Arne. Regional clusters and competitiveness: The Norwegian case. European Planning Studies, v. 5, n. 1, p. 65-76, feb. 1997.

JACOB, Herbert. Using Published Data: Errors and Remedies. 1st Edition, Newbury Park: SAGE Publications Inc., 1984, 63 p.

JONES, Candace; HESTERLY, William S.; BORGATTI, Stephen P.. A General Theory of Network Governance: Exchange Conditions and Social Mechanisms. Academy of Management Review, v. 22, n. 4, p. 911-945, 1997.

JUDICE, Valéria Maria Martins. Inovação e Inserção Global de Empresas no Arranjo Produtivo de Biotecnologia em Belo Horizonte/MG – Notas Preliminares de uma Pesquisa em Andamento. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 28., 2004, Curitiba. Anais Eletrônicos... Curitiba: ANPAD, 2004. 1 CD-ROM.

KAPLAN, Abraham. The Conduct of Inquiry: Methodology for Behavioral Science. 1st Edition, San Francisco: Chandler Publishing Company, 1964, 428 p.

KEEBLE, David; WILKINSON, Frank. Collective Learning and Knowledge Development in the Evolution of Regional Clusters of High Technology SMEs in Europe. Regional Studies, v. 33, n. 4, p. 295-303, jun. 1999.

KETELHOHN, Niels Werner. The Role of Cluster as Sources of Dynamic Externalities. 2002. 200 f. Tese (Doutorado Administração de Empresas), Harvard Business School, 2002.

KIRSCHBAUM, Charles; VASCONCELOS, Flávio. Desafios Metodológicos no Mapeamento no Mapeamento de Clusters Industriais: o Caso de São José dos Campos. Organização & Sociedade, v. 11, n. 29, p. 131-147, jan.-abr. 2004.

182

KOTVAL, Zenia; MULLIN, John. The Potential for Planning an Industrial Cluster in Barre, Vermont: A Case of “Hard-Rock” Resistance in the Granite Industry. Planning Practice & Research, v. 13, n.3, p. 311-318, 1998.

KRÄTKE, Stefan. Network Analysis of Production Clusters: The Potsdam/Babelsberg Film Industry as an Example. European Planning Studies, v. 10, n. 1, p. 27-54, 2002.

______. Development, Geography, and Economic Theory. 2nd Edition, Cambridge: The MIT Press, 1996, 117 p.

______. First Nature, Second Nature, and Metropolitan Location. Journal of Regional Science, v. 33, n. 2, p. 129-144, may 1993.

KRUGMAN, Paul. Geography and Trade. 1st Edition, Cambridge: The MIT Press, 1991(a), 141 p.

______. History and Industry Location: The Case of the Manufacturing Belt. American Economic Review, v. 81, n. 2, p. 80-83, 1991(b).

______. Space: The Final Frontier. Journal of Economic Perspectives, v. 12, n. 2, p. 161-174, 1998.

______. Strategic Trade Policy and the New International Economics. 5th Edition, Cambridge: The MIT Press, 1992, 313 p.

LEMOS, Cristina; ALBAGLI, Sarita; SZAPIRO, Marina. Promoção de Arranjos Produtivos Locais: Iniciativas em Nível Federal, 2004. Disponível em: http://www.sina l.redesist.ie.ufrj.br/nts/nt4/Mapex.pdf. Acessado em: 01/12/04.

MALHOTRA, Naresh K.. Marketing Research: An Applied Orientation. 3rd edition, New Jersey: Prentice-Hall Inc, 1999, 763 p.

MARCONI, Marina de Andrade; LAKATOS, Eva Maria. Metodologia Científica. 3ª edição, São Paulo: Atlas, 2000, 289 p.

MARSHALL, Alfred. Princípios de Economia: Tratado Introdutório. São Paulo: Nova Cultural, 1985, 2 v.

183

MARTIN, Ron; SUNLEY, Peter. Paul Krugman’s Geographical Economics and Its Implications for Regional Development Theory: A Critical Assessment. Economic Geography, v. 72, n. 3, p. 259-292, jul. 1996.

MDIC. Arranjos Produtivos Locais, 2004. Disponível em: http://www.desenvolvimento .gov.br/sitio/sdp/proAcao/arrProlocais/arrProLocais.php. Acessado em: 03/12/04.

MEARDON, Stephen J.. Eclecticism, Inconsistency, and Innovation in the History of Geographical Economics. History of Political Economy, v. 32, n. 4, p. 325-359, winter 2000.

MEYER, David R.. Formation of Advanced Technology Districts: New England Textile Machinery and Firearms, 1790-1820. Economic Geography, v. 74, special issue, p. 31-45, mar. 1998.

MOLINA-MORALES, F. Xavier. Human Capital in Industrial Districts. Human Systems Management, v. 20, p. 319-331, 2001.

______. Industrial Districts and Innovation: the case of the Spanish ceramic tiles cluster. Entrepreneurship & Regional Development, v. 14, p. 317-335, 2002.

______; MARTÍNEZ-FERNÁNDEZ. The Impact of District Affiliation on Firm Value Creation. European Planning Studies, v. 11, n. 2, p. 155-170, 2003.

MOREIRA, Maria Vilma Coelho; AMORIM, Mônica Alves. Um Modelo de Tecnologia Social de Mobilização para Arranjos Produtivos Locais: Uma Proposta de Aplicabilidade. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 28., 2004, Curitiba. Anais Eletrônicos... Curitiba: ANPAD, 2004. 1 CD-ROM.

MOULAERT, Frank; GALLOUJ, Camal. The Locational Geography of Advanced Producer Service Firms: The Limits of Economies of Agglomeration. Service Industries Journal, v. 13, n. 2, p. 91-106, apr. 1993.

NEWLANDS, David. Competition and Cooperation in Industrial Clusters: The Implications for Public Policy. European Planning Studies, v. 11, n. 5, p. 521-532, jul. 2003.

184

NOHRIA, Nitin; GHOSHAL, Sumantra. The differentiated network: organizing multinational corporations for value creation. San Francisco: Jossey Bass, 1997, 253 p.

OLIVEIRA, João Paulo Leonardo de; PORTO, Geciane Oliveira. A Cadeia Produtiva do Setor de Equipamentos Médicos, Hospitalares e Odontológicos no Brasil e a Formação de Clusters. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 28., 2004, Curitiba. Anais Eletrônicos... Curitiba: ANPAD, 2004. 1 CD-ROM.

OTTONI, Luciana. Governo apóia pólos regionais de pequena e média empresa. Gazeta Mercantil, São Paulo, 02 de agosto de 2004, Caderno A, p. 6.

PASSOS, Francisco Uchoa; DIAS, Camila Carneiro; CRUZ, Rossine Cerqueira da. Competências e Demandas Tecnológicas de Arranjos Produtivos Locais (APLs): O Caso do APL de Mármore Bege Bahia em Ourolândia, BA.. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 28., 2004, Curitiba. Anais Eletrônicos... Curitiba: ANPAD, 2004. 1 CD-ROM.

PAULANI, Leda Maria; BRAGA, Márcio Bobik. A Nova Contabilidade Social. São Paulo: Saraiva, 2000, 297 p.

PEDHAZUR, Elazar J.; SCHMELKIN, Liora Pedhazur. Measurement Design, and Analysis: An Integrated Approach. 1st Edition, New Jersey: Lawrence Erlbaum Associates, Inc., 1991, 819 p.

PEREIRA, Luiz Carlos Jacob; MOORI, Roberto Giro. O Cluster Calçadista do Município de Franca (SP): Um Estudo sobre a Produtividade da Mão-de-Obra. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 27., 2003, Atibaia. Anais Eletrônicos... Atibaia: ANPAD, 2003. 1 CD-ROM.

PIETROBELLI, Carlo; BARRERA, Tatiana Olarte. Enterprise Clusters and Industrial Districts in Colombia’s Fashion Sector. European Planning Studies, v. 10, n. 5, p. 541-562, 2002.

PILOTTI, Luciano. Networking, strategic positioning and creative knowledge in industrial districts. Human Systems Management, v. 19, p. 121-133, 2000.

185

PIORE, Michael J.; SABEL, Charles F.. The Second Industrial Divide: Possibilities for Prosperty. United States of America: Basic Books, 1984, 355 p.

PODOLNY, Joel M.; BARON, James N.. Resources and Relationships: Social Networks in the Workplace. American Sociological Review, v. 62, n. 5, p. 673-693, oct. 1997.

PORTER, Michael. The Competitive Advantage of Nations. 1st Edition, New York: The Free Press, 1990, 855 p.

______. The Role of Location in Competition. Journal of the Economics of Business, v. 1, n. 1, p. 35-39, 1994.

______. On Competiton. 2nd Edition, Boston: Harvard Business School Publishing, 1998(a), 485 p.

______. The Adam Smith Address: Location, Clusters, and the “New” Microeconomics of Competition. Business Economics, v. 33, n. 1, p. 7-13, 1998(b).

______. Clusters and the New Economics of Competition. Harvard Business Review, v. 76, n. 6, p. 77-90, 1998(c).

RABELLOTTI, Roberta; SCHMITZ, Hubert. The Internal Heterogeneity of Industrial Districts in Italy, Brazil and México. Regional Studies, v. 33, n. 2, p. 97-108, 1999.

RACO, Mike. Competition, Collaboration and the New Industrial Districts: Examining the Institutional Turn in Economic Development. Urban Studies, v. 36, n. 5-6, p. 951-968, 1999.

RAUCH, James E.. Does History Matter When It Matters Little? The Case of City-Industry Location. Quarterly Journal of Economics, v. 108, n. 3, p. 843-867, 1993.

REDESIST. Glossário de Arranjos e Sistemas Produtivos Locais, 2004. Disponível em: http://www.ie.ufrj.br/redesist. Acessado em: 30/11/04.

RICHARDSON, G. B.. The Organisation of Industry. The Economic Journal, v. 82, p. 883-896, sep. 1972.

186

SCHEFFER, Janaina Rodrigues; SCHENINI, Pedro Carlos. Processos de Aprendizado e Regime Tecnológico na Indústria de Móveis no Arranjo Produtivo Moveleiro da Região de São Bento do Sul (SC): Um Estudo de Caso em Empresas Selecionadas. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 28., 2004, Curitiba. Anais Eletrônicos... Curitiba: ANPAD, 2004. 1 CD-ROM.

SCHMITZ, Hubert. Does Local Co-operation Matter? Evidence from Industrial Clusters in South Asia and Latin America. Oxford Development Studies, v. 28, n. 3, p. 323-336, 2000.

SEBRAE. Atlas das Concentrações Industriais do Estado de São Paulo, 2002. Disponível em: http://www.sebraesp.com.br/principal/conhecendo%20a%20mpe/estu dos%20setoriais%20e%20regionais/atlas.aspx. Acessado em: 20/05/04.

SEBRAE. Termo de Referência para Atuação do Sistema Sebrae em Arranjos Produtivos Locais. Brasília, 2003, 82 p.

______. O desempenho das MPEs no Setor Têxtil-Confecção, 2001. Disponível em: http://www.sebraesp.com.br/principal/conhecendo%20a%20mpe/estudos%20set oriais%20e%20regionais/documentos_estudos_setoriais/text_confs.pdf. Acesso em: 24/11/04.

SELLITZ, Claire; JAHODA, Marie; DEUTSCH, Morton; COOK, Stuart W. Métodos de Pesquisa nas Relações Sociais. 3ª edição, São Paulo: Editora da Universidade de São Paulo, 1974, 658p.

SILVEIRA, Marco Antônio Pinheiro da. ZWICKER, Ronaldo. A Tecnologia da Informação como Fonte de Competitividade e como Apoio para a Formação de Arranjos Produtivos Locais: um Estudo nas Principais Cadeias Produtivas da Região do ABC Paulista. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 28., 2004, Curitiba. Anais Eletrônicos... Curitiba: ANPAD, 2004. 1 CD-ROM.

STABER, Udo. Inter-firm Co-operation and Competition in Industrial Districts. Organization Studies, v. 19, n. 4, p. 710-724, 1998.

______. The Structure of Networks in Industrial Districts. International Journal of Urban and Regional Research, v. 25, n. 3, p. 537-552, sep. 2001.

187

SFORZI, Fabio. The Industrial District and the “New” Italian Economic Geography. European Planning Studies, v. 10, n. 4, p. 439-448, jun. 2002.

SWAMINATHAN, Arnand. The Proliferation of Specialist Organizations in the American Wine Industry, 1941-1990. Administrative Science Quarterly, v. 40, n. 4, p. 653-680, dec. 1995.

TÔRRES, Ana Cláudia Moura; OLIVEIRA, Leopoldo Gonçalves de; SILVA, Eduardo Ramos Ferreira da. O Cluster como Instrumento de Reativação de uma Atividade Econômica Tradicional: O Caso da Extração de Cristais e Pedras na Cidade de Cristalina – GO. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 28., 2004, Curitiba. Anais Eletrônicos... Curitiba: ANPAD, 2004. 1 CD-ROM.

TRACEY, Paul; CLARK, Gordon L.. Alliances, Networks and Competitive Strategy: Rethinking Clusters of Innovation. Growth and Change, v. 34, n. 1, p. 1-16, winter 2003.

VAN DER LINDE, C. Findings from the Cluster Meta-Study. Harvard Business School, Institute for Strategy and Competitiveness, 2002. Disponível em http://www.isc.hbs.edu/MetaStudy2002Prz.pdf. Acessado em: 16/11/2004.

VAN DIJK, Meine Pieter; SVERRISSON, Árni. Enterprise Clusters in Developing Countries: Mechanisms of Transition and Stagnation. Entrepreneurship & Regional Development, v. 15, p. 183-206, jul.-sep. 2003.

WEBSTER´S New World Dictionary. New York: Prentice Hall, 1991, 1574 p.

WINDER, Gordon M.. The North American Belt in 1880: A Cluster of Regional Industrial Systems or One Large Industrial District? Economic Geography, v. 75, n. 1, p. 75-92, jan. 1999.

WHITFORD, Josh. The decline of a model? Challenge and response in the Italian Industrial Districts. Economy and Society, v. 30, n. 1, p. 38-65, feb. 2001.

WILK, Eduardo de Oliveira; FENSTERSEIFER, Jaime Evaldo. Use of Resource-Based View in Industrial Cluster Strategic Analysis. International Journal of Operations & Production Management, v. 23, n. 9, p. 995-1009, 2003.

188

YOU, Jong-Il; WILKINSON, Frank. Competition and co-operation: toward understanding industrial districts. Review of Political Economy, v. 6, n. 3, p. 259-278, 1994.

189

8 – APÊNDICE

APÊNDICE A – Diagramas de Dispersão e Testes de Mahalanobis para a

Identificação de Outliers

Receita Líquida da Firma (Padronizado)

14121086420-2

Val

or A

dic.

por

Fun

cion

ário

(P

adro

niza

do)

10

0

-10

Gráfico 1 – Valor Adicionado por Funcionário x Receita Líquida da Firma


190

Receita por Cliente (Padronizado)

86420-2

Val

or A

dic.

por

Fun

cion

ário

(P

adro

niza

do)

10

0

-10

Gráfico 2 – Valor Adicionado por Funcionário x Receita por Cliente


Número de Funcionários (Padronizado)

1086420-2

Val

or A

dic.

por

Fun

cion

ário

(P

adro

niza

do)

10

0

-10

Gráfico 3 – Valor Adicionado por Funcionário x Número de Funcionários


191

Receita por Funcionário (Padronizado)

1086420-2

Val

or A

dic.

por

Fun

cion

ário

(P

adro

niza

do)

10

0

-10

Gráfico 4 – Valor Adicionado por Funcionário x Receita por Funcionário


Receita Líquida da Firma (Padronizado)

14121086420-2

Val

or A

dic.

por

Rec

eita

(P

adro

niza

do)

1,0

,5

0,0

-,5

-1,0

-1,5

-2,0

Gráfico 5 – Valor Adicionado por Receita x Receita Líquida da Firma


192

Receita por Cliente (Padronizado)

86420-2

Val

or A

dic.

por

Rec

eita

(P

adro

niza

do)

1,0

,5

0,0

-,5

-1,0

-1,5

-2,0

Gráfico 6 – Valor Adicionado por Receita x Receita por Cliente


Número de Funcionários (Padronizado)

1086420-2

Val

or A

dic.

por

Rec

eita

(P

adro

niza

do)

1,0

,5

0,0

-,5

-1,0

-1,5

-2,0

Gráfico 7 – Valor Adicionado por Receita x Número de Funcionários


193

Receita por Funcionário (Padronizado)

1086420-2

Val

or A

dic.

por

Rec

eita

(P

adro

niza

do)

1,0

,5

0,0

-,5

-1,0

-1,5

-2,0

Gráfico 8 – Valor Adicionado por Receita x Receita por Funcionários


Tabela 1 – Teste de Mahalanobis D2 aplicado à Variável Dependente Valor

Adicionado por Funcionário e às Variáveis Independentes Contínuas

Distância Casos Distância Casos

10,06313 297 28,64220 64

10,39076 240 29,87934 346

10,62177 302 46,08902 79

11,57347 436 49,62527 70

13,14653 39 56,62163 452

16,01666 161 75,62340 415

16,05071 19 77,18061 146

18,35134 382 79,94455 32

24,16594 31 114,4112 184

24,34017 153 258,2640 15

24,40660 259


194

Tabela 2 - Teste de Mahalanobis D2 aplicado à Variável Dependente Valor

Adicionado por Receita e às Variáveis Independentes Contínuas

Distância Casos Distância Casos

21,27216 269 46,10690 79

24,34287 153 50,12643 70

24,41908 31 59,26753 452

25,53418 259 59,64196 14

27,04089 469 60,76647 42

29,93384 346 78,98469 415

30,00490 64 79,00789 146

31,47150 468 80,99642 32

31,80318 17 117,7883 184

34,42337 19 258,4597 15

44,45702 405


195

9 – ANEXOS

ANEXO A – Perfil Ocupacional e Econômico da Indústria Paulista

Tabela 1 – Pessoal Ocupado, Receita Líquida e Valor da Indústria Paulista: Ano-

base 2001

Atividades Pessoal Ocupado

(em 31/12/2001)

Receita Líquida

(milhões R$)

Valor Adicionado

(milhões R$)

Nº Abs. % Nº Abs. % Nº Abs. %

Indústria Extrativa 14.725 0,8 731.058 0,2 439.120 0,3

Fab. de Alimentos e Bebidas 258.028 13,4 47.586.065 16,1 18.121.942 14,2

Fab. de Produtos Têxteis 110.703 5,8 7.813.779 2,6 3.649.379 2,9

Confec. de Vestuários e Acessórios 113.918 5,9 4.159.437 1,4 1.652.459 1,3

Prepar. e Confec. de Artef. De Couro 55.749 2,9 1.953.815 0,7 908.641 0,7

Fab. de Celulose e Papel 62.123 3,2 11.213.126 3,8 5.091.175 4,0

Edição, Impressão, Reprod. de Grav. 84.927 4,4 8.624.399 2,9 5.261.684 4,1

Fab. e Ref. Petróleo, Álcool 19.971 1,0 25.569.154 8,6 9.676.586 7,6

Fab. de Produtos Químicos 157.189 8,2 46.711.333 15,8 20.175.462 15,8

Fab. de Artigos de Borracha e Plásticos 132.595 6,9 14.500.128 4,9 5.360.216 4,2

Fab. Prod. Minerais Não-Metálicos 86.564 4,5 5.991.884 2,0 3.315.377 2,6

Metalurgia Básica 66.006 3,4 10.697.086 3,6 7.052.354 5,5

Fab. Prod. Metal (Excl. Máq. e Eq.) 147.738 7,7 11.517.424 3,9 5.265.317 4,1

Fab. de Máquinas e Equipamentos 155.762 8,1 19.081.067 6,4 9.268.316 7,3

Fab. de Máq. Escritório e Equipamentos de

Informática 6.214 0,3 1.805.170 0,6 604.320 0,5

Fab. de Máq., Ap. e Mat. Elétrico 78.166 4,1 11.069.210 3,7 6.025.667 4,7

Fab. Mat. Eletrônico e Aparelhos e

Equipamentos de Comunicações 29.814 1,6 12.810.625 4,3 3.622.054 2,8

Fab. Equip. Méd. Ótica e Relógios, Instr.

Precisão, Automação Industrial 22.106 1,2 1.968.031 0,7 1.191.860 0,9

Fab. e Montagem de Veículos Automotores,

Reboques e Carrocerias 174.122 9,1 37.568.672 12,7 13.170.444 10,3

Fab. Outros Equip. de Transp. 23.023 1,2 8.448.473 2,9 4.223.588 3,3

Outras Indústrias 119.237 6,2 6.320.091 2,1 3.261.507 2,6

Total 1.918.681 100,0 296.140.027 100,0 127.337.467 100,0

Fonte: Adaptado de Fundação SEADE (2004a)

196

ANEXO B – Metodologia aplicada na Pesquisa de Atividade Econômica

Paulista (PAEP)17

Âmbito da pesquisa

Define-se como “âmbito da pesquisa” o conjunto de empresas que apresentam

características predeterminadas, formando um universo específico para o qual os

dados finais serão representativos. O âmbito funciona como um filtro, que deve ser

aplicado às unidades de pesquisa para confirmar se elas devem ou não fazer parte

da investigação. Para tanto, as empresas devem obedecer a todos os parâmetros

escolhidos (a falta de qualquer um deles torna a unidade fora do âmbito):

• ter registro no Cadastro Nacional de Pessoa Jurídica – CNPJ;

• situação cadastral: ter operado no Estado de São Paulo em 2001. No caso de

a sede da empresa estar localizada fora de São Paulo, será pesquisada

apenas se possuir, ao menos, uma unidade local produtiva no Estado, com

mais de 30 pessoas ocupadas;

• estar classificada no Cadastro Central de Empresas – Cempre – do IBGE

como empresa economicamente ativa. Isto implica ter realizado alguma das

atividades de indústria, indústria da construção, comércio, serviços e bancos;

• pessoal ocupado (PO18) – ter em 31 de dezembro do ano de referência da

pesquisa uma ou mais pessoas ocupadas, para o comércio, serviços e

bancos, e a partir de cinco pessoas ocupadas, para a indústria e indústria da

construção.

17 Todo este anexo foi retirado integralmente do documento “Metodologia” da PAEP, disponível no site da Fundação SEADE. Desta forma, salvo raríssimas exceções que visavam aperfeiçoar a compreensão do documento, não há interferência deste autor nos textos a seguir. Outra observação que deve ser feita é que este documento não se encontra aqui em sua versão completa, uma vez que selecionamos somente os trechos mais importantes para a compreensão da metodologia. Para obtê-lo na íntegra, basta acessar o site: http://www.seade.gov.br/produtos/paep/pdfs/metodo.pdf. 18 Corresponde ao número de pessoas fixas ou temporárias, com ou sem vínculo empregatício, que no dia 31/12/2001 encontravam-se exercendo algum trabalho para a empresa. Devem ser incluídas as pessoas afastadas em gozo de férias, licenças, seguros por acidentes, etc., desde que estes afastamentos não tenham sido superiores a 30 dias, bem como aquelas em licença maternidade.

197

Unidades de investigação e unidade informante

Para indústria, serviços e comércio, a empresa e a unidade local (UL) foram

definidas como as unidades de investigação. Na empresa, levantaram-se

informações financeiras e de estratégia da produção e, nas unidades locais, dados

relativos às atividades operacionais e aos aspectos de localização. Em função das

opções metodológicas que melhor captassem a forma de funcionamento de suas

atividades, nos setores da construção civil e bancos, a unidade de investigação foi

apenas a empresa.

Em todas as situações, os questionários foram encaminhados às sedes das

empresas, que eram as unidades informantes, inclusive para o preenchimento de

informações relativas à(s) unidade(s) local(is).

Instrumentos de coleta

Na PAEP 2001, os questionários foram elaborados com a finalidade de abordar os

diversos setores da atividade econômica. Esses instrumentos de coleta foram

produzidos a partir de análises, realizadas pela equipe técnica da Fundação SEADE,

de experiências nacionais e internacionais similares, além de garantir a

comparabilidade dos dados com a PAEP 1996 para todas as questões estratégicas.

Cada questionário é composto por três blocos, diferenciando-se pela quantidade e

temas dos capítulos de cada bloco.

A PAEP utiliza dois modelos de questionários para a coleta das informações (o

completo e o simplificado), que foram definidos com base na necessidade de

abordagens distintas das empresas de acordo com seu porte e respeitando as

diferenças dos sistemas de contabilidade empresarial utilizados. O modelo

completo foi aplicado na indústria e na construção civil, para todas as empresas

com cinco ou mais pessoas ocupadas, nos setores de serviços e comércio, para

empresas com 20 ou mais pessoas ocupadas, e no setor de bancos, para todas as

empresas. O modelo simplificado, utilizado nos setores de serviços e comércio, é

uma versão reduzida do questionário completo, com algumas questões específicas

198

para empresas de pequeno porte, sendo aplicado nas empresas com até 19

pessoas ocupadas.

Classificação de Atividades Econômicas da Pesquisa de Atividade

Econômica Paulista– Caepaep

Com o objetivo de plena integração com o Sistema Estatístico Nacional (SEN),

buscou-se maximizar a comparabilidade entre a PAEP e as pesquisas econômicas

produzidas por outras fontes. Para assegurar maior homogeneidade entre os vários

segmentos estudados, adotou-se a Classificação Nacional de Atividades

Econômicas (CNAE) da Comissão Nacional de Classificação, criada em 1994 com a

finalidade de monitorar, definir as normas e padronizar as classificações da

estatísticas nacionais. Complementarmente, para o detalhamento da análise de

alguns segmentos mais relevantes do ponto de vista econômico e dos processos de

reestruturação produtiva do Estado de São Paulo, estabeleceu-se uma agregação

especial, denominada Caepaep (Classificação de Atividade Econômica específica da

Paep), que orientou a amostragem da pesquisa.

Setores de Atividade

Como regra geral, classifica-se uma empresa ou unidade local de acordo com sua

atividade econômica principal. Com efeito, é necessário estabelecer normas para

identificação desta atividade principal, de modo a assegurar a convergência com as

estatísticas econômicas nacionais. No caso da PAEP, a principal referência adotada

foi a CNAE do IBGE.

A atividade econômica caracteriza-se pela geração de valor adicionado através do

processo de produção de bens e serviços. Esta transformação tem sua origem na

interação criativa entre trabalho, capital e matérias-primas. Defini-se a atividade

econômica principal de uma empresa pela maior participação desta atividade na

determinação do valor adicionado.

199

Aspectos da amostragem

Cadastro

Na pesquisa utilizou-se o cadastro de empresas fornecido pelo IBGE – Cempre

(base de 1999, atualizado até junho de 2001), do qual foram selecionados 1.006.037

registros de empresas de acordo com o âmbito PAEP. Os códigos de atividade

econômica foram definidos previamente, assim como as definições de sede e

atividade econômica da empresa. Consideraram-se todas as empresas com sede no

Estado de São Paulo e aquelas com sede fora do Estado com 30 ou mais pessoas

ocupadas no Estado.

Este cadastro contém informações de pessoal ocupado, número de unidades locais

no Estado e no Brasil, natureza jurídica e o código de atividade econômica por

empresa. Foram adotados, ainda, procedimentos de correção e ajuste do cadastro

no setor de serviços, com base nas informações coletadas pela pesquisa sobre

micro e pequenas empresas (Pecompe, parceria Sebrae – Fundação SEADE), o que

possibilitou maior precisão na classificação de atividades econômicas deste setor. A

Tabela 1 apresenta a distribuição destas empresas, segundo setor de atividade.

Tabela 1 – Empresas, segundo Setores de Atividade: Estado de São Paulo 2000

Setores Quantidade Percentual

Indústria 46.225 4,60%

Comércio 518.795 51,67%

Serviços 431.385 43,00%

Construção Civil 7.105 0,70%

Bancos 194 0,03%

Total 1.003.704 100,00%

Fonte: IBGE – CEMPRE, 2000.

Apresenta-se a seguir, na Tabela 2, a distribuição das empresas por faixa de

pessoal ocupado.

200

Tabela 2 – Empresas, por Setor de Atividade, segundo faixas de Pessoal Ocupado:

Estado de São Paulo 2000

Faixas de PO Indústria Comércio Serviços Construção

Civil

Total

De 0 a 4 pessoas - 442.301 356.468 - 798.769

De 5 a 29

pessoas

35.799 71.372 64.206 5.477 176.859

De 30 a 99

pessoas

6.929 4.110 7.173 1.104 19.316

Mais de 99

pessoas

3.497 1.012 3.538 524 8.571

Total 46.225 518.795 431.385 7.105 1.003.510

Fonte: IBGE – CEMPRE, 2000.

A amostra de bancos, correspondente a 194 empresas não foi distribuída por faixa

de PO, pois foram todos pesquisados.

As empresas dos setores de indústria, comércio e serviços foram classificadas,

segundo a sede da empresa, em oito regiões que consistem agregações de Regiões

Administrativas (RA’s) do Estado de São Paulo:

Região Metropolitana de São Paulo (exceto ABC)

Região ABC

Litoral (RA’s de Santos e Registro)

RA de São José dos Campos

RA de Sorocaba

RA de Campinas

Norte (RA’s de Ribeirão Preto, São José do Rio Preto, Central, Barretos e Franca)

Oeste (RA’s de Bauru, Araçatuba, Presidente Prudente e Marília).

As Tabelas 3 e 4 apresentam a distribuição das empresas por região, segundo setor

de atividade. Para aquelas pertencentes ao setor de construção civil, foram

201

consideradas apenas duas regiões: Região Metropolitana de São Paulo e Interior do

Estado.

Tabela 3 – Empresas, por Setor de Atividade, segundo Região: Estado de São

Paulo 2000

Região Indústria Comércio Serviços Total

Metropolitana 21.298 197.703 226.475 445.476

ABC 3.197 24.808 24.966 52.993

Litoral 709 20.814 16.564 38.183

S. J. Campos 1.266 28.884 17.383 47.633

Sorocaba 2.611 35.956 18.524 57.195

Campinas 8.412 80.004 55.444 144.081

Norte 5.134 75.534 42.910 123.746

Oeste 3.598 54.296 29.053 87.081

Total 46.225 517.999 431.319 996.388

Fonte: IBGE – CEMPRE, 2000

Tabela 4 – Empresas da Indústria da Construção Civil, segundo Região São Paulo:

2000

Região Construção Civil

Região Metropolitana 3.960

Interior 3.145

Total 7.105

Fonte: IBGE – CEMPRE, 2000

Universo da pesquisa

O universo da pesquisa foi dividido em vários domínios, definidos com as

combinações das Regiões PAEP e os agrupamentos das atividades econômicas,

com o objetivo de serem obtidos dados específicos da pesquisa para cada uma

destas combinações.

202

Desenhos amostrais e cálculo do tamanho das amostras

O desenho da pesquisa corresponde a uma amostra estratificada, sendo que para o

estrato certo foi realizado censo e, para o aleatório, foi retirada uma amostra

aleatória simples para cada domínio.

O tamanho da amostra para cada domínio do estrato aleatório foi calculado para

estimar a média de pessoal ocupado com erro relativo e coeficiente de confiança

compatíveis com esse tipo de pesquisa. O sorteio do estrato aleatório foi realizado

de forma sistemática em cada domínio em que as empresas estavam previamente

ordenadas, conforme o número de pessoas em atividade, para a indústria, e

segundo a CNAE a quatro dígitos e número de pessoas da empresa, para o setor de

serviços. Para cada setor de atividade econômica, foram estabelecidos os seguintes

estratos, para efeito de amostra:

• indústria (incluindo agroindústria): aleatório, para as empresas de 5 até 29

pessoas ocupadas; e certo (censitário), para as empresas de 30 e mais

pessoas ocupadas;

• comércio: aleatório, para as empresas de 0 a 29 pessoas ocupadas; e certo

para as de 30 e mais;

• serviços (incluindo serviços de informática): aleatório, para as empresas de 0

a 99 pessoas ocupadas; e certo para as de 100 e mais;

• bancos: censitário;

• construção civil: aleatório, para as empresas de 5 até 29 pessoas ocupadas;

e certo, para as empresas de 30 e mais pessoas ocupadas

Expansão e controle da amostra

A expansão da amostra foi feita de acordo com os seguintes critérios:

• como os universos já eram reduzidos e ocorreram muitas extinções para cada

domínio, decidiu-se que o fator de expansão não seria corrigido pela taxa de

203

não-resposta (recusas e empresas não localizadas), tanto para o estrato

certo como para o aleatório;

• as extinções de empresas constatadas em campo foram corrigidas no

universo, tanto para o estrato certo como para o aleatório, considerando-se o

fator de expansão, isto é, se em um domínio com peso de seleção três fosse

constatado na amostra que quatro empresas foram extintas, o universo

correspondente seria reduzido a 12;

• mudanças de atividade (correção na atividade da empresa) foram corrigidas

sem levar em consideração o fator de expansão, isto é, ao tamanho original

do universo e da amostra de um segmento de atividade foi acrescentado

apenas o número de empresas que vieram para ele e subtraído somente o

número de saídas observadas na amostra;

• as empresas novas encontradas por acaso durante a pesquisa foram

incorporadas ao universo e à amostra sem nenhum fator de expansão. Nesse

caso, tomou-se o cuidado de verificar se a empresa realmente não existia no

cadastro utilizado. No caso de ela pertencer ao cadastro e não ter sido

sorteada, a correção foi feita somente no tamanho da amostra;

• as empresas do cadastro não sorteadas, porém pesquisadas, foram incluídas

na pesquisa, sendo somadas ao tamanho de amostra de seu domínio original.

Como não houve correção da taxa de não-resposta, mesmo nos casos em

que o peso de seleção fosse 1 (censo), os valores expandidos desconsideram

a parcela do universo dessas empresas. Nos domínios em que se realizaram

censos, os erros amostrais são iguais a zero. Os erros amostrais são

calculados para cada região do Estado, considerando-se uma amostragem

estratificada, sendo os estratos as combinações de grupos de atividades e

porte dos estabelecimentos (estrato certo ou aleatório).

204

Domínios do universo

O universo das empresas pesquisadas foi subdividido em conjuntos menores

denominados domínios, com o objetivo de divulgar as informações da pesquisa para

cada um destes, além de divulgar para o total do universo (Estado de São Paulo). As

empresas foram alocadas nos domínios a partir do cruzamento das diversas

atividades econômicas utilizadas na PAEP e das regiões em que se localizavam

suas sedes.

No caso do setor de serviços, o universo de pesquisa foi ampliado. Na PAEP de

1996, foram pesquisadas apenas empresas de Informática, enquanto na de 2001 o

universo abrangeu praticamente todas as atividades do setor de serviços. Com o

intuito de se estudar este setor em maior profundidade, foram consideradas, além

das atividades e das oito regiões, algumas faixas de pessoas ocupadas para a

construção dos domínios.

Devido ao grande número de domínios pesquisados, procurou-se diminuir o

tamanho da amostra através do uso de amostra aleatória estratificada por PO Os

limites destas faixas foram obtidos pelo Método de Dalenius, que gera estratos cujas

amplitudes sejam crescentes e tamanhos decrescentes. De acordo com este

método, estes estratos apresentam grande variabilidade externa e pequena

variabilidade interna, que resultam em estimadores com maior precisão. Foram

fixados, a priori, dois estratos para os setores da indústria, construção civil e três

estratos para comércio e serviços.

A alocação da amostra “N” calculada foi realizada utilizando-se a partilha ótima de

Neyman, que é proporcional ao tamanho e à variabilidade do estrato, resultando

num estimador com variância mínima.

Tendo em vista que o cadastro de empresas utilizado como sistema de referência

possui informações sobre localidade da sede da empresa, atividade econômica,

natureza jurídica, número de pessoas ocupadas (PO) e tipo da empresa (unilocal ou

multilocal), apenas o PO pôde ser utilizado como variável dimensionadora da

amostra. Porém, a partir da Paep de 1996, efetuou-se um estudo no qual procurou-

205

se estabelecer relações entre amostras que usavam PO e receita como variáveis

dimensionadoras. Verifica-se que, em média para uma dada confiança e um erro

relativo fixado, o tamanho de amostra necessário para se estimar a receita média é

de cerca de três vezes o tamanho de amostra para se estimar a média de PO, nos

setores da indústria e comércio. Este resultado possibilitou o dimensionamento de

uma amostra que considerasse também o erro amostral para a estimação da média

da receita das empresas. Para alguns domínios, a amostra foi ajustada por meio de

um modelo de regressão, em função do número de empresas do domínio.

Regras de desidentificação e sigilo estatístico

Ao coletar dados junto às empresas, a Fundação Seade comprometeu-se com os

princípios que norteiam a Lei n. 5.534, de 14/11/68, regulamentada pelo Decreto n.

73.177, de 20/11/73, que dispõe sobre regras de sigilo e uso de informações para

fins exclusivamente estatísticos.

Para o conjunto dos setores de atividade econômica, sempre que o número de

casos existentes em uma região do estado dispensar o sigilo da informação, a

pesquisa possibilitará a divulgação desagregada. O sigilo é recomendado para as

informações econômico-financeiras sempre que o número de casos existentes em

uma divisão da indústria ou em um segmento do setor de serviços, por exemplo, for

inferior a três. Essa determinação é seguida para impedir a identificação das

unidades respondentes e garantir o sigilo dos dados. Nesses casos, há a junção de

duas ou mais divisões, de sorte a aumentar o número de observações.

206

ANEXO C – Metodologia do SEBRAE para a Construção do Atlas das

Concentrações Industriais do Estado de São Paulo

O Atlas apresenta um mapeamento dos estabelecimentos industriais do estado de

São Paulo. Para identificar a relevância das atividades industriais nos municípios de

São Paulo, foram utilizados dados do Cadastro de Estabelecimentos Empregadores

(CEE) do Ministério do Trabalho e Emprego (MTE), de março de 2002. Esse banco

de dados resulta da composição e atualização de diversas bases de dados do

Governo Federal. O uso desse cadastro é justificado por tratar-se de uma fonte de

dados abrangente em termos regionais e setoriais e por apresentar dados

atualizados sobre o número de estabelecimentos no estado de São Paulo. Esses

dados refletem o setor formal da economia.

A partir do CEE/MTE, foram elaborados mapas, que contêm, para as principais

atividades da indústria, os municípios do Estado de São Paulo com maiores

concentrações de estabelecimentos.

O conceito de indústria utilizado nesta publicação abrange a indústria de

transformação, a construção civil, a extração mineral e os serviços industriais de

utilidade pública.

Um estabelecimento é uma unidade espacialmente separada de uma empresa.

Considerando-se que 98% dos estabelecimentos industriais do Estado de São Paulo

são micro e pequenas empresas (MPEs), pode-se inferir que, salvo algumas

exceções, a grande maioria dos estabelecimentos industriais aqui identificados

corresponde também a MPEs da indústria. Logo, a variável número de

estabelecimentos pode ser considerada como uma proxy do número de MPEs..

Nesta publicação, para a elaboração dos mapas, foram utilizados os seguintes

passos:

A variável de análise escolhida foi a mais desagregada possível (Classe CNAE, a 4

dígitos);

207

Foram elaboradas 4 faixas de concentrações: de 0 a 49 estabelecimentos, de 50 a

99 estabelecimentos, de 100 a 499 estabelecimentos e 500 ou mais

estabelecimentos;

Foram selecionadas todas as atividades que possuem, pelo menos, um município do

Estado com 50 ou mais estabelecimentos na atividade;

As atividades selecionadas foram agrupadas e aparecem de acordo com o grau de

importância de suas respectivas divisões. Assim, como a construção civil é a divisão

com maior número de estabelecimentos no Estado de São Paulo (conforme pode ser

observado na tabela 1),essa divisão é a primeira a ser apresentada;

Dentro de cada divisão, os mapas das atividades são apresentados em ordem

decrescente do número de concentrações espaciais (número de municípios com 50

ou mais estabelecimentos na atividade);

Como existem atividades cujo único município com 50 ou mais estabelecimentos é o

Município de São Paulo, essas atividades foram agrupadas ao final, em um mapa

único.

De acordo com o CEE/MTE (mar/2002), existem cerca de 216 mil estabelecimentos

industriais no Estado de São Paulo (tabela 1). As 160 atividades industriais

selecionadas e apresentadas nesta publicação pertencem a todas as 30 divisões

industriais e representam 94% dos estabelecimentos industriais do Estado de São

Paulo.

208

Tabela 1 - Distribuição dos estabelecimentos industriais do estado de São Paulo

Divisão Número de

Estabelecimentos Acumulado (%)

Construção Civil 52.309 24%

Confecções 28.083 37%

Metalurgia – não equipamentos 16.932 45%

Alimentos e Bebidas 15.490 52%

Edição e Gráfica 14.832 59%

Móveis e Diversos 14.055 66%

Minerais não-metálicos 9.559 70%

Máquinas e Equipamentos 8.811 74%

Borracha e Plástico 7.976 78%

Couros e Calçados 7.485 81%

Têxtil 6.867 85%

Química 6.682 88%

Autopeças e Veículos 2.771 89%

Equipamentos e Instrumentos Médicos,

de Precisão e Ópticos 1.654 90%

Demais 16 Divisões 22.175 100%

Total 215.681


142099

Documents