causas do desmatamento da amazônia - scielo · causas do desmatamento da amazônia: uma...

nova Economia_Belo Horizonte_19 (1)_121-151_janeiro-abril de 2009

Causas do desmatamento da Amazônia:uma aplicação do teste de causalidade de Granger acercadas principais fontes de desmatamento nos municípiosda Amazônia Legal brasileira

Palavras-chaveAmazônia; desmatamento;causalidade.

Classificação JEL C59, Q23.

Key words

Amazon; deforestation; causality.

JEL Classification C59, Q23.

ResumoMuitas são os fatores, apontadas pela literatura per-tinente, acerca das causas do desmatamento daAmazônia Legal brasileira. Desde aspectos endó-genos como as condições edafo-climáticas, a as-pectos relacionados à ação antrópica como osmovimentos populacionais, o crescimento urba-no e, em especial, as ações autônomas ou induzi-das dos diversos agentes econômicos públicos eprivados que têm atuado na região, configurandohistoricamente os processos de ocupação do soloe aproveitamento econômico do espaço amazô-nico. Este artigo tem como objetivo realizar umteste de causalidade, no sentido de Granger, nasprincipais variáveis sugeridas como importantespara explicar o desmatamento da Amazônia Le-gal, no período de 1997 a 2006. A metodologia aser empregada se baseia em modelos dinâmicospara dados em painel, desenvolvidos por Holtz-Eakin et al. (1988) e Arellano-Bond (1991), quedesenvolveram um teste de causalidade baseadono artigo seminal de Granger (1969). Entre osprincipais resultados obtidos está a constataçãoempírica de que existe uma causalidade bidirecio-nal entre desmatamento e as áreas de culturaspermanente e temporária, bem como o tamanhodo rebanho bovino.

AbstractMany are the factors indicated by the pertinent

literature concerning the causes of deforestation in

Brazilian Legal Amazon. From endogenous aspects

as the edafo-climatic conditions to aspects related to

anthropic action, like the population movements,

urban growth, and especially, the independent or

induced actions of the different public and private

economic agents who have acted in the region,

historically configuring the processes of

occupation of the land and economic

exploitation of the Amazonian region.

The objective of this article is to perform a causality

test, in the Granger sense, in the main variables

suggested as important that explain the

deforestation of the Legal Amazon,

in the period from 1997 to 2006.

The methodology to be used is based on dynamic

models for the panel data, developed by Holtz-Eakin

et al. (1988) and Arellano-Bond (1991) who

developed a causality test based on the seminal article

of Granger (1969). Among the main results found is

the empirical evidence that there is a bidirectional

causality between deforestation and the areas of

permanent and temporary cultures,

as well as the size of the cattle herd.

Marcelo Bentes DinizProfessor do PPGECONOMIA/UFPA

José Nilo de Oliveira JuniorProfessor do PPGECONOMIA/UFPA

Nicolino Trompieri NetoInstituto de Pesquisa e Estratégia Econômica

do Ceará – IPECE

Márcia Jucá Teixeira DinizProfessora do PPGECONOMIA/UFPA

1_ IntroduçãoSegundo os dados consolidados do Pro-jeto de Monitoramento do Desfloresta-mento da Amazônia Legal (Prodes), ligadoao Instituto Nacional de Pesquisas Espa-ciais, foram desmatados, em 2007, cercade 11,5 mil km2 da Amazônia Legal bra-sileira. No acumulado, estimava-se que,até 2004, aproximadamente 18% do ter-ritório da Amazônia Legal teria sido alte-rado por algum tipo de ação antrópica(MIN e MMA, 2004).

Todavia, a diversidade interna daAmazônia, tanto em relação as suas carac-terísticas naturais quanto ao seu processode ocupação, acabou por ter uma confor-mação de seu território, que pode ser resu-mida em três macrorregiões:

1. Arco do Povoamento Adensado,que corresponde aos Estados doMato Grosso, de Rondônia e doTocantins, e as partes do Sudestee do Nordeste do Pará, do Sudes-te do Acre e do Sul do Amapá;

2. Amazônia Central, que compre-ende o Oeste e o Norte do Esta-do do Pará, o Norte do Estadodo Amapá e o Vale do Rio Made-ira, no Estado do Amazonas;

3. Amazônia Ocidental, que congre-ga o Estado de Roraima, todo orestante do Estado do Amazo-

nas e as partes Central e Oestedo Estado do Acre.

Historicamente, são os dois primei-ros macroespaços que possuem uma lógicaeconômica baseada em vetores de desma-tamento, sendo este último contrabalança-do pelo efeito virtuoso que a Suframa e oPolo Industrial de Manaus têm exercidosobre o território em sua área de influência(Rivas et al., 2008).

Ressalta-se que essa conformaçãoterritorial (e ocupacional) está relacionadadireta ou indiretamente aos meios de aces-so à região e como esses vão servindo decanalizadores do processo migratório, docrescimento demográfico e dos adensa-mentos urbanos decorrentes. O Arco doPovoamento, por exemplo, está diretamen-te relacionado ao adensamento de estradas,com um aumento da densidade demográ-fica no cinturão que se formou entre 300 e500 quilômetros quadrados de largura paraessas (Becker, 2006).

Por outro lado, o histórico do desma-tamento pelos números do Ministério da In-tegração Nacional e do Ministério do MeioAmbiente (2004) acompanhou uma traje-tória com diferentes intensidades, com pelomenos dois recortes temporais distintos, asaber: até 1980 e a partir da década de 1980.

No primeiro recorte, o desmatamen-to auferido está relacionado a um proces-


Causas do desmatamento da Amazônia122

so de desbravamento induzido pelo Esta-do, com a abertura de estradas e os proje-tos de colonização oficiais.1 E ainda a es-truturação da atividade pecuária aprovei-tando certas vantagens comparativas locaise a conjunção de incentivos fiscais e espe-culação fundiária.

No segundo recorte, o processo dedesmatamento ganha caráter espontâneomovido pela lógica da valorização econô-mica do território ocupado e pela maximi-zação dos resultados privados da explora-ção dos recursos naturais, especialmentepelas atividades madeireira e pecuária, sen-do esta última a de maior escala. Nas trêsúltimas décadas, o desmatamento não sómultiplica sua velocidade, mas também asua espacialidade. Nesse período, a inérciado processo passa a ser basicamente im-pulsionada pela expansão da pecuária, es-pecialmente de caráter extensivo.

Na primeira “etapa”, a região totali-zou 300 mil km2 de perda da floresta origi-nal (6% do território regional), enquanto,na segunda “etapa”, o processo de desma-tamento apresentou números muito supe-riores. Na década de 1980, o desmatamen-to atinge cerca de 130 mil km2, enquanto,na década de 1990, 150 mil km2, e, só nosprimeiros anos do século XXI, por cercade 120 mil km2 (MIN e MMA, 2004).

A dinâmica mais recente, porém, deocupação do solo, está ligada a um movi-

mento de substituição de áreas de pasta-gem para a produção de grãos, em virtudedos altos preços alcançados por algumascommodities agrícolas internacionais (Bran-dão et al., 2005). Aqui aparecem, entre ou-tros que tiveram um crescimento acentua-do de sua área plantada, os Estados doPará e do Mato Grosso e, mais recente-mente, de Rondônia e do Tocantins.

Desta forma, dado o grande núme-ro de possíveis determinantes do processode desmatamento na região, este artigo temcomo objetivo realizar um teste de causali-dade, no sentido de Granger, nas principaisvariáveis apontadas como importantes paraexplicar o referido processo, segundo a li-teratura pertinente. Para tanto, foram utili-zados dados em nível municipal para aAmazônia Legal, no período de 1997 a 2006.

Para alcançar os objetivos acima des-critos, utilizam-se modelos dinâmicos paradados em painel, desenvolvidos por Holtz-Eakin et al. (1988) e Arellano e Bond (1991),que desenvolveram um teste de causali-dade baseado no artigo seminal de Gran-ger (1969).

Além desta introdução, o artigo écomposto de mais cinco seções. A seção 2trata das evidências empíricas das causasdo desmatamento; a seção 3 traz uma dis-cussão sobre a causalidade entre as fontesprincipais de desmatamento; a seção 4 dis-cute a metodologia do teste; a seção 5 estu-

Marcelo Bentes Diniz_José Nilo de Oliveira Junior_Nicolino Trompieri Neto_Márcia Jucá Teixeira Diniz 123


1 Para uma retrospectivadesse período e seu impactosobre o desmatamento, ver,por exemplo, Becker (1990).Ainda, segundo Becker, operíodo entre 1966 e 1985marca o planejamento efetivona região amazônica, em umafase denominada por ela de“Produção do Espaço Estatal”(Becker, 2006).

da as variáveis utilizadas; a seção 6 analisaos resultados empíricos e, por fim, a seção7 traz as considerações finais.

2_ Os resultados empíricos acercadas causas do desmatamento

2.1_ As evidências empíricasinternacionais

Geist e Lambin (2001), na tentativa deentender o padrão e as mudanças nas taxasde transformação ambiental em termosdas forças impulsionadoras que agem glo-balmente, regionalmente e em nível dostomadores locais de decisão responsá-veis por essas transformações, apresentamampla revisão bibliográfica da literaturainternacional acerca dos fatores causaissugeridos como responsáveis pelo des-matamento nos mais diferentes países.

Com base em 152 estudos de casosnacionais, os autores agrupam as diferentescausas (ou forças impulsionadoras) em al-gumas características comuns, das quais re-sultam três grandes grupos:

i. causas agregadas primárias (dire-tas) e relacionadas, em númerode três: expansão da agricultura,extração de madeira e expansãoda infraestrutura;

ii. forças direcionais (ou causas) sub-jacentes, que incluem ampla gamade categorias: fatores demográfi-cos, econômicos, institucionais/de política, culturais e político-sociais;

iii. um terceiro grupo de fatores bas-tante heterogêneos entre si, comcaracterísticas distintas que com-poriam todos os demais fatoresnão incluídos nas duas classifica-ções anteriores.

Segundo suas conclusões, entre ascausas primárias mais significativas estariama expansão da agropecuária, seja da culturatemporária, seja da cultura permanente, e apecuária de caráter eminentemente exten-sivo; a extração da madeira para diversosusos e fins comerciais e a infraestruturaexistente, que permite o acesso, o desloca-mento e a fixação dos diferentes agentesque integram as atividades econômicas daagropecuária e de exploração florestal, es-pecialmente de madeira. Neste último caso,a infraestrutura e a logística de transporte,bem como as diferentes modalidades de co-lonização, inclusive os assentamentos popu-lacionais, serviriam como fatores de atraçãode contingentes populacionais e poderiamser apontados como causas primárias.

As causas subjacentes comporiam oambiente econômico, social, cultural e ins-



titucional associados às atividades econô-micas citadas. Assume destaque aqui todoo aparato jurídico, incluindo o direito de usoda terra (propriedade), bem como as políti-cas públicas direcionadas direta ou indire-tamente ao espaço e as atividades envolvidascom o processo de desmatamento, ondeconcorrem ainda os fatores culturais quemoldam de uma maneira ou de outra ocomportamento dos agentes econômicose mesmo das populações tradicionais.

Angelsen e Kaimowitz (1999), naanálise dos resultados de 140 modelos eco-nômicos acerca das causas do desmata-mento nos países tropicais, sustentam a re-futação de três teses importantes:

i. os modelos oferecem pouco supor-te para a tese do crescimento po-pulacional como uma das forçasque explicam o desmatamento;

ii. a relação entre pobreza e desmata-mento também parece ter poucaevidência empírica;

iii. a tese defendida pelo Banco Mun-dial de que o crescimento econô-mico, juntamente com a remo-ção das distorções de mercado,seria bom para pessoas e flores-tas não se mostrou verdadeira.

Na realidade, a liberalização econômica ea desvalorização cambial têm um efeito

de aumentar os preços na agricultura e damadeira, incentivando o desmatamento.

Mais especificamente com relaçãoao que é chamado na literatura de “pobrezaambiental”, isto é, a relação direta entre apobreza da população e a degradação am-biental, Reardon e Vosti (1995) e Caven-dish (1999) ratificam essa tese para algunspaíses detentores de florestas tropicais.

Vale ressaltar que, no caso da Amazô-nia, embora Wood e Schmink (1992) tenhamacentuado que, graças à desigual distribui-ção de terras, os pobres são constantemen-te compelidos a procurar novas fronteirase, por essa via, promover o desmatamento,isso não parece se repetir para anos maisrecentes (Diniz et al., 2007).

A rigor, as evidências existentes quan-to aos fatores ou causas do desmatamentona Amazônia, na ampla literatura existentesobre o assunto, apontam na mesma dire-ção da literatura internacional, conquantoguardadas algumas especificidades do am-biente local, e a lógica da exploração eco-nômica imposta pelos diferentes agenteseconômicos na região e os diferentes espa-ços de ação desses agentes.

Como chama a atenção Fearnside(2007), o desmatamento toma lugar na Ama-zônia no contexto de uma diversa coleção deatores com uma grande diferença entre loca-lização em termos de quem é o responsável.



2.2_ As evidências empíricaspara a Amazônia

2.2.1_ O crescimento da pecuária

Nos últimos trinta anos, a pecuária decorte e a atividade madeireira baseadaprincipalmente na produção em tora, compouca agregação de valor, foram as ativi-dades que se mostraram com maioresvantagens competitivas para a região, da-das as condições de mercado, os custosde oportunidade de atividades alternati-vas, inclusive a rentabilidade a curto emédios prazos e mesmo as condiçõesinstitucionais de facilidade ao acesso aocrédito e a baixa governança quanto àfragilidade do direito de propriedade, eos custos ambientais associados.

Vários são os fatores apontados pe-la literatura que tentam explicar o avançoda pecuária na Amazônia, em especial, noPará e no Mato Grosso.

Piketty et al. (2004) apontam que, naAmazônia Oriental, o ambiente favorávelda expansão da pecuária na região esteveassentado no tripé:

1. eficiência e adaptação do sistemaforrageiro baseado na pastagemBrachiaria brizantha, vulgarmentechamado de “braquiarão”. Essetipo de forrageira, além de baixocusto, apresentaria maior resis-tência às pragas e eficiência no

manejo, representando, portanto,um tipo de pastagem com adap-tação singular às característicasextensivas da pecuária da região;

2. existência de financiamentos pú-blicos, em um primeiro momen-to entre as décadas de 1970 e1980, particularmente através dosistema Finam/Sudam e, a partirda década de 1990, pela disponi-bilidade dos recursos do FundoConstitucional do Norte (FNO)do Basa;2

3. a experiência agropecuária do pro-dutor na crença que essa atividadepoderia quebrar o ciclo da po-breza. Aqui se apresenta a expe-riência familiar do produtor, nãosó das práticas agropecuárias, masdos valores culturais e sociais jáatrelados à exploração desse tipode atividade econômica.

O baixo custo relativo também in-duziu que mesmo produtores de pequenaescala promovessem a conversão de áreasutilizadas para agricultura de subsistênciaem pasto para criação de boi vivo, o qualera também considerado um símbolo destatus na região (Serrão e Toledo, 1990), aomesmo tempo em que possibilitava seuuso para fins especulativos.



2 A obrigatoriedade do títulode propriedade para se pleitearos recursos do FNO acaboupor não criar uma relaçãomuita estreita entre osfinanciamentos com esse e oavanço da pecuária emalgumas áreas da região.

Anderson (1990) explica que a na-tureza especulativa da terra era um dos fa-tores que garantiam a rentabilidade do sis-tema da pecuária implantado na década de1980 (Hecht et al., 1988), a despeito de suainviabilidade econômica de curto e médioprazos (“sua aparente irracionalidade”). Defato, segundo esse autor, eram duas as mo-tivações que garantiam a reprodução desseprocesso, a saber:

1. o valor da terra como investimen-to especulativo em épocas de in-flação, que sobrecompensava aqueda de seu retorno produtivo.Como resultado, a maioria do in-vestimento regional foi direciona-da para retorno (lucro) de curtoprazo, que pôde ser gerado tantopela simples retirada da coberturaflorestal quanto seletivamente pe-la extração de seus componentes;

2. a facilidade de estabelecer a possede largas áreas de terra, uma vezque elas já tivessem sido conver-tidas em pasto, especialmente im-portante em áreas de conflitoscrônicos, legalizando, ao mesmotempo, a expropriação fundiáriae o desmatamento da floresta (Oli-veira, 2005).

Além disso, a expansão da fronteiraagropecuária era motivada pela facilidadeao crédito propiciada pelos incentivos fis-cais, com uma correlação positiva entrecrescimento econômico, “criação” de cor-redores de acesso à região, como as rodovi-as, a migração, e a especulação fundiária(Reis e Margullis, 1991; Young, 1998).

Os incentivos governamentais co-mo causa ou estímulo ao desmatamento naAmazônia são acentuados também por Ma-har (1988), reportando-se ao período até1980. Segundo ainda esse autor, entre asdécadas de 1960 e 1980, 10 milhões de hecta-res da Amazônia foram convertidos em pas-to, valendo-se de políticas governamentais.

Ao longo do tempo, são criadas ascondições favoráveis que permitem aumen-to do retorno do investimento na pecuária,de modo que, já na década de 1990, comomostrou Margulius (2004), a atividade pe-cuária de corte na Amazônia Oriental3 ou nachamada “fronteira consolidada” se mos-tra altamente rentável do ponto de vistaprivado, apresentando taxas de retorno su-periores às da pecuária nas regiões tradicio-nais do País. A taxa de retorno da pecuária naAmazônia estrita (excluindo a venda de ma-deira) é consistentemente acima dos 10%, eesses valores são potencialmente alcançadospor pecuaristas estabelecidos e capitalizadosna fronteira consolidada da Amazônia Ori-



3 Amazônia Orientalcomporta os Estados doPará, de Rondônia, do MatoGrosso, do Tocantinse do Amapá.

ental, sendo até superiores aos obtidos nasregiões tradicionais (Arima et al., 2005).

Assim mesmo, sem os incentivos(subsídios do governo), o que ocorreu apartir da interdição da Sudam, em 2002, alucratividade da pecuária seria o fator depropulsão que alimentou a inércia do pro-cesso. Entre os fatores que contribuiriampara essa elevada rentabilidade, estariam:

a. condições geoecológicas favorá-veis; em que pesem as altas tem-peraturas, a elevada pluviosidadee a umidade garantem boa pro-dutividade das pastagens;

b. disponibilidade de terra barata, àqual pode ser acrescentada tam-bém a característica extensiva dacriação, que exige pouca mão deobra, em geral, com baixa quali-ficação, e, portanto, com baixocusto para o produtor.

Nesse particular, Anderson (1990)sustenta que, até a década de 1980, a con-versão da floresta em áreas de pastagem naAmazônia brasileira requeria massivos in-centivos governamentais e uma custosa in-fraestrutura, como a construção e a manu-tenção de estradas. Todavia, já no final dadécada de 1980, os próprios pecuaristas,em áreas próximas de Paragominas (PA),

por exemplo, eram capazes de construir aspróprias estradas para o vizinho Estado doMaranhão, para a extração de madeira e ex-pansão das áreas de fazenda.

Desta feita, na década de 1990, arentabilidade da pecuária, por sua vez, é quelevaria a pressão por abertura de estradasendógenas, criadas pelos próprios pecua-ristas para baratear os custos de transpor-tes. Ao mesmo tempo, o efeito das estradasexógenas (aquelas surgidas por motivosgeopolíticos) tem um efeito considerávelsobre o desmatamento somente a partir damesma lógica da criação das estradas endó-genas, de manter em última instância a ren-tabilidade do setor pecuário.

O Gráfico 1 apresenta as taxas decrescimento do rebanho abatido para osprincipais Estados que são centros de abateno País, no período entre 1998 e 2006, noqual pode ser observado o desempenho dosEstados da Amazônia Legal: Mato Grosso,Rondônia e Pará. Assim, percebe-se queesses Estados apresentaram taxas de cres-cimento acima da média nacional, comdestaque para o Estado de Rondônia, que,no período mais recente desde 2002, apre-senta uma trajetória de crescimento eleva-do, ultrapassando a taxa de 20% já a partirde 2004.



Reportando-se especificamente so-bre a correlação entre a provisão de infra-estrutura e o crescimento demográfico, Wei-nhold e Reis (2001) concluem que existemais evidência empírica para sustentar que ocrescimento da população urbana leva ao de-senvolvimento da infraestrutura, e não vice-versa. Muito embora a relação histórica en-tre estradas e desmatamento é acentuada, porexemplo, em Nepstad et al. (2000 e 2001).

Por outro lado, melhoramentos ur-banos como a provisão de eletricidade e de

água potável teriam o papel de frear a ne-cessidade de explorar florestas como fontede energia e outros serviços, de modo queo melhoramento da infraestrutura urbanapode ajudar a mitigar o impacto de áreasurbanas sobre o meio ambiente, até mes-mo com uma redução da população rural.

Concorrem também de modo po-sitivo para o aumento da rentabilidade daatividade os progressos alcançados na erra-dicação da febre aftosa (condição indis-pensável para exportação da carne); os me-



80

-20

0

20

40

60

1997/1998 1998/1999 1999/2000 2000/2001 2001/2002 2002/2003 2003/2004 2004/2005 2005/2006 2006/2007

Variação Anual

Taxa

sde

cres

cim

ento

Minas Gerais

Brasil

Mato Grosso do Sul

São Paulo

Rondônia

Mato Grosso

Rio Grande do Sul

Pará

Goiás

Gráfico 1_ Variação anual das taxas de crescimento do rebanho abatido nos Estadosde maior rebanho bovino no Brasil

Fonte: PPM/IBGE.

lhoramentos da saúde animal, a partir domelhoramento genético e de manejo dopasto (Arima et. al., 2005), com impactossobre ganhos de produtividade do setor;bem como o alargamento do sistema derastreamento animal (Nepstad et al., 2008).

Além dos efeitos diretos e indiretosdas atividades pecuária e madeireira sobreo desmatamento, como destacados acima,outros fatores são sustentados por Fearnsi-de (2007), como a lógica de desmatar paramanter a possessão da área e defender o in-vestimento contra posseiros ou da expro-priação do governo (como terra devoluta);as formas de desmatamento que servempara propósito de lavagem de dinheiro, es-pecialmente quando os fundos são deriva-dos de fontes ilegais, como tráfico de dro-gas, corrupção, venda de áreas roubadas ouevasão de impostos; e a perda da coberturavegetal “oficial” induzida pelo próprio go-verno, como é o caso das inundações pro-vocadas pelas barragens hidroelétricas queno Brasil já teriam somado cerca de 10 mi-lhões de hectares (2% da Amazônia Legale 3% da porção original da floresta).

Essas variáveis, de certa forma, corro-boram aquelas testadas por Andersen et al.

(2002), em que os autores utilizam dadosmunicipais, no período de 1970 a 1996, pa-ra dados do Censo Agropecuário de 1975,1980, 1985 e 1996.

2.2.2_ O crescimento da produção de grãos

O crescimento da produção de grãos naregião amazônica é o resultado de umconjunto de fatores que podem ser ditosinternos, como, por exemplo, a adaptaçãode novas variedades às características cli-máticas da região (Fearnside, 2001), e ou-tros externos, afetos às forças de mercado,relacionadas ao crescimento da demandaexterna e ao consequente aumento depreços de algumas culturas (Nepstad et

al., 2008).O Estado do Mato Grosso acom-

panha a dinâmica da produção agrícola noCerrado brasileiro, centrada na produçãode grãos para exportação, a partir da déca-da de 1980, que fez expandir a fronteiraagrícola na direção do Centro-Oeste, emfunção de vários fatores, como os avançostecnológicos, que possibilitaram, junto comas características edafo-climáticas da região,que se alcançasse uma produtividade físicapor área bastante elevada, os melhoramen-tos na infraestrutura de transporte e na lo-gística de distribuição e de escoamento daprodução (Diniz, 1995).

Além disso, outros fatores positivospara o crescimento especialmente da sojana região Centro-Oeste foram os baixospreços relativos da terra (comparados aoda região Sul – região tradicionalmenteprodutora), os incentivos financeiros ofici-



ais e as condições favoráveis de mercado(Wehrmann e Duarte, 2004).

Conquanto interferência direta deprojetos e financiamentos decorrentes deação governamentais planejadas, destacam-se o Programa de Desenvolvimento do Cer-rado (Proceder), de caráter federal, e o Pro-jeto de Desenvolvimento Agroambientalde Mato Grosso (Prodeagro), desenvolvi-do no âmbito particular daquele Estado.

Na comparação do triênio de 1968/1970 a 1992/1994, a produção dos cincoprincipais grãos (arroz, feijão, milho, soja etrigo) teve aumento na participação do Cen-tro-Oeste de cerca de 10% para mais de20% do total nacional. A soja, por sua vez,que foi a cultura que apresentou a melhorrentabilidade relativa nesse período, teveuma elevação de sua participação nacionalde cerca de 1% na safra 1968/1970 paracerca de 39% na safra 1992/1994 (Diniz,1995), liderado esse crescimento especial-mente pelo Estado do Mato Grosso.4

Já no período mais recente, nos anosagrícolas 2001/2002, 2002/2003, 2003/2004, o crescimento da área plantada noCentro-Oeste foi cerca de 66%, mudandoo padrão de crescimento da produção degrãos no País, que, na década de 1990, foibaseado no incremento de produtividade(Brandão, 2005).

Destaque que esse crescimento foidecorrente de uma conjunção favorável de

fatores, tanto relacionados ao comporta-mento dos mercados internacionais dascommodities agrícolas, como também espe-lhando elementos de ordem macroeconô-mica interna.

Entre 1998 e 2001, a queda persis-tente dos preços agrícolas, particularmentea da soja, foi compensada pela mudança dapolítica cambial brasileira, com a conse-quente desvalorização do câmbio em 1999,tendo como efeito apenas estabilizar a quedados preços domésticos no período (Bran-dão, 2005).

Assim, a recuperação dos preços in-ternacionais da soja em 2002, tendo a par-ticularidade de durar dois anos consecuti-vos, na época de plantio, e a queda da safraamericana (maior produtor mundial e cujasafra acaba por regular os preços internacio-nais), entre 2002 e 2003, foram fatores de-cisivos para estimular o crescimento daárea plantada.

A dinâmica do desenvolvimento dasoja na região amazônica em anos recentesé fruto do avanço da fronteira agrícola nadireção norte a partir do Mato Grosso (Fe-arnside, 2006) para os Estados fronteiriços,como Pará e Amazonas, mas também ou-tros Estados que apresentavam vantagenscomparativas relevantes, como Rondônia,Tocantins, Roraima e Maranhão. A rota deexpansão da soja na região sofre influência



4 Segundo Oliveira (2005), nadécada de 1990, o crescimentoda soja no Mato Grosso tevecrescimento superior a 150%na área plantada, e cerca de225% do volume de produção.

direta do reordenamento territorial do pró-prio Estado do Mato Grosso, da atuaçãode grandes grupos econômicos na região,até mesmo com a implantação de plantasesmagadoras de maior escala de produção,e as possibilidades de implantação de pro-jetos de infraestrutura como a Ferronorte(ligando Rondonópolis ao Porto de San-tos), o asfaltamento da BR-163 (ligandoCuiabá ao Porto de Santarém) e a constru-ção do Porto Graneleiro de Itacoatiara, pa-ra que a produção de soja fosse escoada viaBR-164 até Porto Velho e desta a Itacoatia-ra (Oliveira, 2005; Arima et al., 2005).

Aliada aos fatores acima citados, aexpansão da soja na região amazônica foifavorecida por outros elementos que con-correm para a redução de seus custos e oaumento de sua competitividade relativa.O primeiro deles, a topografia da região, jáque a mecanização da rodução exige terrasplanas (Puty et al., 2007), o que torna as ter-ras, como as do Planalto Santareno, porexemplo, bem adaptáveis às necessidadesdo processo produtivo em larga escala.

Outro fator importante seria o bai-xo custo de conversão de outros tipos decultura, como de milho e arroz, e mesmoda própria pecuária, que engendraram umprimeiro processo de ocupação do solo naregião. Assim, aproveitando-se de terrenosjá limpos, ou seja, já desmatados, o custo

inicial do investimento se tornou um fatoratrativo para a entrada dos sojeiros na re-gião, em grande parte oriundos do MatoGrosso e da região Sul do País. É por issoque alguns autores sustentam que a entradada soja na região estaria criando um canal definanciamento indireto do desmatamento,a partir da compra de terras já desmatadas,utilizadas em princípio para a extração damadeira e para a pecuária (Puty et al., 2007).

Há de se destacar também um efei-to de “demanda derivada” que o cresci-mento de países como a China e o conse-quente aumento do consumo per capita deseus residentes por carne, principalmente,suína e de aves, fizeram aumentar a deman-da por milho e, particularmente, por soja,como ração animal, gerando uma pressãoaltista sobre os preços.

Concomitantemente, ocorre a ins-talação de unidades de beneficiamento e co-mercialização, multidimensionais de gran-de penetração no mercado, como a Cargill,a Maggi, a Bunge e a ADM, o que facilitouo crédito e a própria comercialização paraos produtores, inclusive os de pequena es-cala (Diaz apud Arima et al., 2005).

É importante ressaltar que esse éum processo relativamente novo, a partirsomente do fim da década de 1990 e quenão atinge apenas a Amazônia brasileira(Hecht, 2005).



O Gráfico 2 ilustra o crescimentoda atividade da cultura perene e temporá-ria, separando, entretanto, a produção degrãos – arroz, milho e soja –, no qual se ob-serva, a partir de 2002, um crescimentomuito acentuado da área plantada dessasculturas, especialmente da soja.

3_ A causalidade entre fontesprincipais de desmatamento

3.1_ Efeito da pecuáriaA direção da causalidade do efeito da pe-cuária sobre o desmatamento medido pe-

lo número de cabeças por município e adensidade dessa na área do municípiopodem ser pensadas de forma bidirecio-nal. De um lado, quanto mais elevado foro tamanho do rebanho bovino em termosda área ocupada do município e quantomaior sua taxa de crescimento, pode-seesperar uma elevação da pressão acercada conversão da floresta em pasto. Poroutro lado, quanto maior a área ocupadacom pasto e, portanto, maior o desmata-mento já realizado, maior a dinamizaçãodessa atividade, em termos da reduçãodo custo relativo, atraindo novos pecua-



2000 2001

Área

plan

tada

(hec

tare

s)

2002 2003

Ano

2004 2005

0

1.000.000

2.000.000

3.000.000

4.000.000

5.000.000

6.000.000

7.000.000

8.000.000

9.000.000

10.000.000

temp. sem gr.

soja

perm

milho

arroz

Gráfico 2_ Área plantada de algumas culturas selecionadas nos municípios da Amazônia Legal,no período de 2000 a 2005

Fonte: PAM/IBGE.

ristas e intensificando essa atividade. Se-gundo Hecht e Cockburn (1990), a pe-cuária tornou-se o definitivo uso da terrana Amazônia brasileira, ocupando maisde 85% da área desmatada, já na décadade 1980.

3.2_ Efeito da agricultura(cultura perene e temporária)

Tanto a agricultura permanente quanto atemporária reproduzem um efeito bidi-recional com o desmatamento. De fato,da mesma forma que ocorre com a pe-cuária, o desbravamento da fronteira temefeito redutor de custo, atraindo novosprodutores, e mesmo levando a que osantigos tenham acesso a novas áreas an-tes com floresta primária. Por sua vez, àmedida que a atividade cresce, enseja pe-los efeitos de escala que novas áreas sejamincorporadas, aumentando a área planta-da e a pressão por desmatamento novo.Evidentemente, isso que foi falado acimapode ser pensado em termos da variávelárea ocupada.

3.3_ Crédito agrícolaA disponibilidade de crédito é uma variá-vel que também se espera um efeito bidi-recional com o desmatamento. De um la-do, quanto maior o crédito (esperado)para aplicação em capital fixo e de capital

de giro (custeio), maior o incentivo ao in-vestimento “local” e à mobilidade doinvestimento “externo”, isto é, o deslo-camento de produtores de outras áreasgeográficas do País para realizar empre-endimentos na Amazônia Legal, o queinduz ao crescimento das atividades de-vastadoras. De outro, com o crescimentodas atividades econômicas em geral (quepor suas características cresce desmatan-do), aumenta a demanda por crédito, oque cria uma força direcional em senti-do contrário.

3.4_ PIB "per capita"A análise anterior realizada para as ativi-dades econômicas individualmente tam-bém reforça que a relação entre PIB percapita e desmatamento deve ser bidireci-onal. De fato, o crescimento econômico,medido pela evolução do PIB per capita,significa que o conjunto das atividadeseconômicas do Estado está crescendo,inclusive aquelas que promovem o des-matamento e aumentando mais do que ocrescimento populacional. Assim, o ciclode crescimento no município, com umadisponibilidade maior de renda, cria umefeito indutor a fim de permitir novos in-vestimentos e mesmo atrair investidoresde outros lugares, para gozar das externa-lidades criadas por esses próprios inves-



tidores, incentivando o desmatamento.Mas, além desse efeito, quando o desma-tamento cresce, o avanço de novas áreaspelos produtores antigos e a atração denovos produtores pela queda do custorelativo levam a um efeito posterior decrescimento das atividades devastadorase, por sua vez, do crescimento econômi-co como um todo, medido pelo PIB.

3.5_ EducaçãoA educação mensurada com base em duasproxies – matrícula de adultos e matrículapara os ensinos fundamental e médio –pode ser pensada tendo um efeito bidire-cional, no caso da educação de adultos,mas unidirecional, no caso da matrículade crianças (ensinos fundamental e mé-dio regulares).

No primeiro caso, espera-se a prin-cípio que, quanto maior o contingente deadultos matriculados na escola, menor adisponibilidade de tempo para exercer ati-vidades que promovam o desmatamento,além do que, valendo-se da informaçãoobtida com o aumento da escolaridade, sepoderia esperar que o adulto tomasse cons-ciência dos efeitos das atividades degrada-doras ao meio ambiente.

Por outro lado, espera-se que existaum efeito do desmatamento sobre a educa-ção, já que, à medida que o desmatamento

avança, outras atividades econômicas, comoo extrativismo florestal não madeireiro, porexemplo, deixam de ser exploradas, levandoos indivíduos a procurarem outras ativida-des econômicas ou mesmo uma comple-mentação educacional, que os possibilitariaa adquirir trabalho que exige habilidades di-ferentes daquelas originalmente requeridas.

No segundo caso, quanto maior onúmero de alunos matriculados nos ensi-nos médio e fundamental, menor o núme-ro de braços disponíveis para, em princí-pio, exercer atividades devastadoras.5

3.6_ Efeito populacionalO crescimento do contingente populaci-onal certamente é um fator de pressãosobre o meio ambiente, à medida que é umelemento de aumento da intensidade deuso dos recursos naturais. Assim, quantomaior o contingente populacional e quantomaior a densidade demográfica, espera-semaior desmatamento da área do municí-pio. Dessa maneira, a priori, também se es-pera um relacionamento unidirecional en-tre o efeito populacional e o desmatamento.

4_ Teste de causalidadede Granger

Nesta seção será descrito o método doteste de causalidade para dados em pai-nel. Segundo Erdil e Yetkiner (2004), a li-



5 Sabendo-se que parte damão de obra ocupada naagricultura, especialmenteligada à agricultura familiar,é constituída de menoresde 14 anos.

teratura geralmente não provê métodosmuito diversificados para dados em painelem relação ao teste original proposto porGranger (1969). De acordo com essesautores, é possível identificar dois tiposde abordagem. A primeira é propostapor Holtz-Eakin et al. (1985), na qual uti-lizam um vetor autorregressivo (VAR)para estimar e realizar o teste de causali-dade para dados em painel e tratam oscoeficientes como variáveis. Esse mes-mo procedimento também pode ser vis-to nos trabalhos de Hsiao (1986 e 1989),Holtz-Eakin et al. (1988), Weinhold (1996e 1999), Nair-Reichart e Weinhold (2001)e Choe (2003). Já a segunda corrente é li-derada por Hurlin e Venet (2001), Hurlin(2004a e 2004b), Hansen e Rand (2004),que também utilizam um vetor autorre-gressivo (VAR), mas tratam os coeficien-tes como constantes.

4.1_ Modelo econométricoA metodologia aqui descrita será baseadana primeira corrente da literatura descritaacima, mais especificamente em Holtz-Eakin et al. (1988), uma vez que o painelapresenta uma série temporal relativamen-te longa, e acredita-se que exista variabili-dade dos coeficientes ao longo do período.

Em um contexto usual de sériestemporais, a equação de autorregressão bi-variada segue a seguinte forma:

y y x ut i t l

l

m

l t l t

l

m

� � � ��

�

�

�

� �� 01 1

(1)

onde os � ' s e os �' s são coeficientes daprojeção linear de y t na constante e nosvalores de y t e x t , e o tamanho do lag, m,é suficientemente grande para garantirque u t seja um ruído branco. Não neces-sariamente os tamanhos dos lags de y t ex t serão iguais, entretanto, assume-seque sejam.

Como em geral dados em painel têmgrande número de unidades cross-sectional,onde cada unidade possui poucas observa-ções temporais, então, para estimar a equa-ção (1), é preciso impor restrições que ga-rantam a mesma estrutura para cada umadessas unidades. Um caminho seria relaxara restrição de pooling em favor de um efeitoindividual que transcende na prática para umintercepto individual específico. Mudançasno intercepto de um vetor autorregressivoestacionário correspondem às mudanças nasmédias das variáveis, assim permitindo efei-tos individuais e consequentemente hetero-geneidade individual no nível das variáveisde x e y. Um segundo caminho seria aco-modar a heterogeneidade individual, per-mitindo a variância da inovação na equação(1) variar com a unidade cross-sectional. Mu-dança na variância da inovação de um vetorautorregressivo corresponde à mudança navariância das variáveis, possibilitando, desta



forma, heterocedasticidade cross-sectional navariância da inovação e, por sua vez, per-mitindo heterogeneidade individual na va-riabilidade de x e y. Portanto, assume-setanto efeito individual quanto heterocedas-ticidade nas unidades cross-sectional.

É provável que o nível e a variabilida-de das variáveis sejam importantes fontes deheterogeneidade individual, mas tambémse poderia admitir heterogeneidade indivi-dual no padrão da correlação das séries detempo de x e y. Entretanto, permitir umaheterogeneidade semelhante é complicado,uma vez que as variáveis do lado direito daequação (1) são variáveis endógenas defa-sadas. Desta forma, segundo Pakes e Grili-ches (1984), fica difícil interpretar os � ' s eos �' s como médias dos parâmetros quevariam aleatoriamente entre os indivíduosdas unidades cross-sectional, ainda que essainterpretação seja possível quando essasvariáveis são exógenas.

Por outro lado, pooling de unidadescross-sectional possui certas vantagens. Pri-meiro, a suposição de estacionaridade podeser relaxada. A presença de um grande nú-mero de unidades cross-sectional torna possívelpermitir que os coeficientes defasados va-riem no tempo. Segundo, a teoria da distri-buição assintótica para um grande númerode unidades cross-sectional não requer que ovetor autorregressivo satisfaça a condiçãousual que exclui a raiz explosiva do processo.

Dessa maneira, pode-se derivar ummodelo que relaxe as suposições acima. As-suma que existam N unidades no cross-section

eT períodos de tempo, com i indexando asunidades do cross-section, e t, os períodos.Assim, o modelo que permite efeitos indi-viduais e não estacionaridade entre os pe-ríodos de tempo é dado da seguinte forma:

y yit t lt it l

l

m

� � ��

�

�� 01

� � ��

�

�� lt it l t i it

l

m

x f u1

(2)

com (i � 1, ...., N ; t � 1, ..., T ), onde f i éum efeito individual não observado e� 0t ,� 1t , ...,� mt ; � 1, ...,� mt ;� t são coefi-cientes de projeção linear de y it na cons-tante, valores passados de y it e x it , e noefeito no individual f i .

A especificação da equação (2) comouma projeção implica que o termo do errou it satisfaz a condição de ortogonalidade.

E y u E x uis it is it[ ] [ ]� �

� � E f u s ti it[ ] , ( )0 (3)

Essa condição de ortogonalidadepressupõe que as variáveis defasadas de x ey são instrumentos qualificados para a equa-ção (2).

Em um painel estático, o procedi-mento usual para remoção do efeito indivi-



dual é o uso do estimador conhecido comowithin estimator, no qual todas as variáveissão transformadas, subtraindo-se seus va-lores de suas médias temporais (para cadaunidade transversal). No entanto, em umcontexto dinâmico, graças à presença devariáveis endógenas defasadas, tal procedi-mento gera estimadores inconsistentes (Nic-kell, 1981).

Como alternativa, Holtz-Eakin et al.

(1988) sugerem diferenciar a equação (2)para retirar f i e então – para evitar a corre-lação entre a primeira defasagem da variá-vel dependente e o erro – empregar um es-timador de variáveis instrumentais. Valesalientar que essa transformação só serápossível se as variáveis forem estacionárias.Assim, a equação (2) diferenciada é escritana forma:

y y y yit it t l it l

l

m

it l– ( – )– –11

1� � ��

�

��

� ��

�

�� l it l

l

m

it l itx x( – )–1

1 (4)

Onde existem somente 2 1m � va-riáveis do lado direito, o que implica que sóexistiram instrumentos suficientes para iden-tificar os parâmetros se t m� � 2. No ca-so estacionário, será possível obter as es-timativas das variáveis defasadas quandoT m� � 2.

4.2_ Estimação do modelo

A inferência em equações de regressão di-nâmica é tipicamente baseada em grandesamostras assintóticas, isto é, paraT � �

onde T indica o número de períodos detempo das variáveis envolvidas na amos-tra. Em econometria, o modelo de relaci-onamento dinâmico usualmente requer ainclusão de defasagens na variável de-pendente. Uma observação importanteque se faz a esse tipo de modelo é que,quando o número de período temporal érelativamente pequeno, a aproximaçãopadrão assintótica é pobre (Nankervis eSavin, 1987). Em geral, apesar de seremconsistentes e assintoticamente eficien-tes, os estimadores são seriamente viesa-dos em pequenas amostras.

No caso do modelo de painel dinâ-mico, a aproximação assintótica pode serpara T � � ou N � � para ou am-bos, onde N indica o número de unidadesobservadas em cada cross-section para aamostra longitudinal. Na prática,T é geral-mente muito pequeno, e N é razoavel-mente grande. A eficiência de vários tiposde estimador em modelos de componentede erro dinâmico e modelos de efeito fixodinâmico tem sido o tema central de váriosestudos teóricos e estudos de Monte Carlo,como, por exemplo, Balestra e Nervole



(1966), Nervole (1971), Maddala (1971) eArellano e Bond (1991). A ideia é encon-trar o viés para pequenas amostras aplican-do técnicas econométricas em um contex-to de regressão multivariado dinâmico; ver,por exemplo, Kiviet e Phillips (1993 e 1994).

A especificação econométrica domodelo aqui utilizado é baseada na suposi-ção de que o quadro corrente que caracte-riza a variável dependente tende a se perpe-tuar e/ou influenciar o desempenho dosprincipais determinantes dessa variável nofuturo. Para levar em consideração essecomportamento dinâmico, essa relação éinvestigada por meio de um modelo de re-gressão para dados em painel dinâmico de-finido da seguinte forma:

y yit t lt it l

l

m

� � ��

�� 01

–

� � ��

�� lt it l

l

m

i itx –1

(5)

onde � representa os efeitos fixos nãoobserváveis dos indivíduos, e � it são osdistúrbios aleatórios. Em todas as variá-veis do modelo (5), o subscrito i repre-senta a unidade cross-section, e t, o períodode tempo.

O modelo acima assume, segundoAhn e Schmidt (1995), algumas hipóteses,tais como: E E Ei it i it[ ] [ ] [ ]� � � �� 0,E isit[ ]� � � 0 para i = 1, 2, ..., N e qual-quer t s� , bem como uma hipótese rela-

tiva às condições iniciais E y i it[ ]1 0� � pa-ra i = 1, 2, ..., N e t = 1, 2, ..., T.

As técnicas de estimação tradicio-nais são inapropriadas no caso da equação(5) em razão de alguns problemas econo-métricos. Um exemplo seria a presença dosefeitos não observáveis dos indivíduos, �i ,juntamente com a variável dependente de-fasada, y it l– , no lado direito da equação.Nesse caso, omitir os efeitos fixos indivi-duais no modelo dinâmico em painel tornaos estimadores de mínimos quadrados ordi-nários (MQO) enviesados e inconsistentes.

Para corrigir esses problemas, Arel-lano e Bond (1991) propõem um estima-dor do método dos momentos generaliza-do-diferenciado (MMG-diferenciado). Talmétodo consiste na eliminação dos efeitosfixos através da primeira diferença da equa-ção (5),

� � � �y y xit l it l

l

m

l it l

l

m

it� � ��

�

�

�

� �� 1 1

(6)

onde para uma variável z it qualquer,�z z zit it it� � � 1.

Observe que, pela construção daequação (6), �y it l� e �� it são correlaciona-dos e, portanto, estimadores de MQO paraseus coeficientes serão enviesados e incon-sistentes. Nesse caso, é necessário empre-gar variáveis instrumentais para �y it l� . Oconjunto de hipóteses adotadas na equação(5) implica que as condições de momentos



E y it l it[ ]� �� 0, para t = 3, 4, ...., T el � 2, são válidas. Baseados nesses mo-mentos, Arellano e Bond (1991) sugeremempregar �y it l� , para t = 3, 4, ...., T e l � 2,como instrumentos para a equação (6). Porsua vez, esse estimador também permitiriautilizar como instrumentos a primeira dife-rença dos regressores estritamente exógenos.

Arellano e Bond (1991) derivaramduas versões para os estimadores de GMM.Na primeira, conhecida como estimadorone-step, supõe-se que os termos de erro sãoindependentes e homocedásticos nas uni-dades de cross-section e, ao longo do tempo,ao passo que, na segunda, chamada detwo-step, os resíduos gerados na primeiraetapa são empregados para obter uma esti-mativa consistente da matriz de variância-covariância, permitindo relaxar as hipóte-ses de independência e consistência. Assin-toticamente, os dois estimadores são equi-valentes, porém o two-step não necessitaconhecer a priori a distribuição dos compo-nentes �i e� it . Todavia, tem sido observa-do em diversos estudos que essa versão doestimador de GMM os desvios padrõestendem a ser viesados para baixo em pe-quenas amostras, recomendando nesse ca-so o uso da versão one-step.

Por fim, é recomendada a realizaçãode um teste de especificação do modelo e,por sua vez, a consistência do estimador

GMM, bem como testar a existência de cor-relação serial, em que os referidos autorespropõem um teste direto nos resíduos da es-pecificação em primeira-diferença que tam-bém pode ser útil para verificar a consis-tência do estimador de GMM.6

Então, seguindo Holtz-Eakin et al.

(1988), a existência de causalidade no senti-do de Granger é verificada através do testede restrições de Wald, aplicado aos parâ-metros estimados pelo método GMM des-crito anteriormente. Partindo-se da equa-ção (6), estimam-se os seguintes modelos:

� �y yit l

l

m

it l� ��

�� 11

� ��

�� 11

l

l

m

it l itx� � (7)

� �x xit l

l

m

it l� ��

�� 21

� ��

�� 21

l

l

m

it l ity� � (8)

Dessa forma, haverá causalidade deGranger unidirecional de x para y se nemtodos os � 1l s� forem iguais a zero em (7),mas todos os� 2 l s� forem iguais a zero em(8). De forma oposta, haverá causalidadeno sentido de Granger unidirecional de y

para x se todos os � 1l s� forem iguais a ze-ro em (7), porém nem todos os � 2 l s� fo-rem iguais a zero em (8). Pode haver causa-



6 A ausência de correlaçãoserial está associada à falha emrejeitar a hipótese nula deautocorrelação de segundaordem, sugerindo nesse casoque o estimador de GMM éconsistente (Arellanoe Bond, 1991).

lidade de Granger bidirecional entre x e y

se nem todos � 1l s� e � 2 l s� forem iguaisa zero. Por fim, podem ocorrer situaçõesem que não há causalidade de Granger en-tre x e y, para isso basta que os � 1l s� e to-dos os � 2 l s� sejam iguais a zero.

5_ Descrição das variáveise dados utilizados

Entre a metade da década de 1990 e 2006,o número de municípios criados não foigrande, tal que a comparação espacial emnível municipal nesse período não causaproblemas significativos. Ademais, pordeficiência nos dados, como omissão devariáveis, alguns municípios criados noperíodo foram omitidos na amostra.

Assim, os dados utilizados para omodelo compreenderam o período de 1997a 2006, e algumas séries tiveram dados in-terpolados para alguns anos. Neste caso, doisprocedimentos foram utilizados: o cálculo davariável a partir da média (móvel), com ba-se nos dados observados (existentes), ou ocálculo da variável a partir de sua taxa decrescimento. Ao final, foram retirados aque-les municípios cujo comportamento esti-mado descrevia um possível “outlier”.

Assim, o modelo foi estimado com445 municípios dos Estados integrantes daAmazônia Legal: Rondônia, Amazonas,

Acre, Amapá, Roraima, Pará, Maranhão,Mato Grosso e Tocantins.

A escolha das variáveis explicativasficou refém da disponibilidade dos dadospara o período, pelo menos para os anos de1997 e 2006. Todavia, foram consideradoscomo os grandes vetores do desmatamentodois grandes grupos: o primeiro caracteri-zando a ocupação do solo – mais especifi-camente variáveis que evidenciam o setoragropecuário – uma vez que, como apon-tado pela literatura, outros fatores comoinfraestrutura, por exemplo, são facilitado-res que aumentam a intensidade dos fatorescausais primários, no caso: pecuária, culturapermanente e cultura temporária. Já o segun-do grupo de variáveis representa as carac-terísticas socioeconômicas dos municípios.

Ademais, foram utilizadas as seguin-tes variáveis que tiveram como principaisfontes o IPEA/Instituto de Pesquisa Eco-nômica Aplicada (http://www.ipea.gov.br),o IBGE/Instituto Brasileiro de Geografiae Estatística (http://www.ibge.gov.br) e oINEP/Instituto Nacional de Estudos e Pes-quisas Educacionais (http://www.inep.gov.br), com base na literatura pertinente:

a. Desmatamento = Total de hecta-res desmatado por município i;

b. Grupo de variáveis do setor agro-pecuário:



i. Rebanho bovino = Total do re-banho bovino do município i;

ii. Densidade bovina = Total dorebanho do município i dividi-do pelo total da área ocupadado município i em hectare;

iii. Culturas permanentes = Soma-tório do total da utilização dasterras em lavouras permanen-tes em hectare do município i;

iv. Cultura temporária = Somató-rio do total da utilização dasterras em lavouras temporári-as em hectare do município i;

v. Área ocupada = Total da áreaocupada do município i com aagropecuária.

c. Grupo de variáveis socioeconô-micas:

i. PIB per capita = Produto Inter-no Bruto (PIB) do município i

dividido pela população totaldo município i. Reais de 2.000deflacionados pelo deflator im-plícito do PIB nacional;

ii. Educação de adultos = Núme-ro de adultos matriculados nosensinos fundamental e médiono município i, segundo a clas-sificação usualmente adotadapelo INEP;

iii. Matrícula = Número de alunosmatriculados no ensino funda-mental regular no município i,segundo a classificação usual-mente adotada pelo INEP;

iv. Crédito agrícola = Total de cré-dito agrícola contratado no mu-nicípio i;

v. População = População total re-sidente no município i;

vi. Densidade demográfica = Po-pulação total residente no mu-nicípio i dividido pela área to-tal do município i em km2.

6_ Resultados empíricos

6.1_ Teste de raiz unitáriapara dados em painel

Para evitar o problema de regressão es-púria na estimação dos modelos em pai-nel, faz-se necessária a ausência de pro-cesso de raiz unitária em cada variável,isto é, que as variáveis sejam estacionári-as. Diversos são os testes de raiz unitáriapara dados em painéis. Tais testes podemser classificados em dois grupos. O pri-meiro grupo incorpora aqueles testes queassumem a existência de um processo deraiz unitária comum, tal que os parâme-



tros para persistência são idênticos entreos cross-sections. Integram esse grupo ostestes propostos por Levin, Lin e Chu(2002) e o de Breitung (2000) e podemser considerados como um teste de Dic-key-Fuller Aumentado (ADF) com da-dos agrupados. A hipótese nula é a deque existe um processo de raiz unitáriacomum entre os cross-sections do painel,contra a hipótese alternativa de que to-dos os cross-sections são estacionários.

Como descrito na seção anterior, épreciso que as variáveis do painel sejam es-tacionárias para que se possa trabalhar comas variáveis em primeira diferença e com is-so eliminar os efeitos individuais presentes.

Diversos são os testes que explorama conformação de painéis para o teste deintegração de variáveis macroeconômicas.Os testes que são encontrados podem serclassificados em dois grupos. O primeirogrupo incorpora aqueles testes que assu-mem a existência de um processo de raizunitária comum, tal que os parâmetros parapersistência para cada unidade (ou grupo)possuem a mesma estrutura autorregressi-va (AR (1)), além de permitir a existênciado efeito individual. Integram esse grupoos testes propostos por Levin, Lin e Chu(2002) e o de Breitung (2000) e podem serconsiderados como um teste de Dickey-Fuller Aumentado (ADF) com dados agru-

pados. A hipótese nula é a de que cada sé-rie do painel seja integrada de ordem um,contra a hipótese em que todas as séries se-jam estacionárias.

O outro grupo incorpora os testesque permitem a existência de um processoindividual de raiz unitária de forma que osparâmetros de persistência podem variar li-vremente para cada unidade (grupo). Porisso, os testes são construídos com basenas estatísticas individuais. Por exemplo, aestatística de teste proposta por Im, Pesa-ran e Shin (1997 e 2003) é o resultado deuma média das t-estatísticas de Dickey-Fuller sobre cada unidade do painel. A hi-pótese nula assume que todos os cross-sections

são não estacionários, enquanto, na hipóte-se alternativa, pelo menos um cross-section éestacionário. O teste adquire a estrutura doADF ao permitir que as defasagens para avariável dependente possam ser inseridas,o que possibilita a autocorrelação do erropara cada série.

Foram utilizados, no presente tra-balho, os testes propostos por Levin, Lin eChu (2002), (LLC), e o teste de Im, Pesarane Shin (2003), (IPS). Os testes foram reali-zados para as séries em nível, utilizando-seo critério de seleção para o número de de-fasagens de Hannan-Quinn. A Tabela 1apresenta os resultados.



Como pode ser observado, todas asvariáveis consideradas são estacionárias empelo menos um dos testes em um nível de5% de significância. A variável Desmata-mento é estacionária em ambos os testes,com exceção do teste de Im, Pesaran e

Shin, quando se considera o intercepto e atendência individual; Rebanho Bovino éestacionária, considerando o teste de Im,Pesaran e Shin e apenas o intercepto indivi-dual; Educação de Adultos é estacionáriaapenas no teste de Levin, Lin e Chu, consi-



Tabela 1_ Testes de raiz unitária em painel

(probabilidade)

VariávelLevin, Lin e Chu Im, Pesaran e Shin

Com InterceptoIndividual

Com Interceptoe Tendência Individuais

Com InterceptoIndividual

Com Interceptoe Tendência Individuais

Desmatamento 0.000 0.003 0.000 1.000

Variáveis agropecuárias

Área Ocupada 0.000 0.000 0.001 0.000

Cult. Permanente 0.000 0.000 0.000 0.000

Cult. Temporária 0.000 0.000 0.000 0.011

Reb. Bovino 1.000 1.000 0.000 0.952

Dens. Bovina 0.000 1.000 0.000 0.174

Variáveis socioeconômicas

Educ. Adulto 0.000 0.000 1.000 0.275

Crédito Agrícola 0.000 0.000 0.000 0.000

Matrícula 0.000 0.000 1.000 0.002

PIB per capita 0.000 0.000 0.000 0.000

População 0.000 0.000 1.000 1.000

Dens. Demográfica 0.000 0.000 1.000 1.000

Fonte: Elaboração dos autores.

Notas: As defasagens para os testes foram determinadas pelo critério de Hannan-Quinn.As probabilidades para os testes assumem normalidade assintótica.Teste Levin, Lin e Chu – Hipótese nula: raiz unitária (assume processo de raiz unitária comum).Teste Im, Pesaran e Shin – Hipótese nula: raiz unitária (assume processo de raiz unitária individual).

derando tanto o intercepto individual quan-to o intercepto mais tendência individual;Matrícula é estacionária em ambos os tes-tes, com exceção do teste de Im, Pesaranand Shin, quando se considera apenas o in-tercepto individual; já as variáveis Área Ocu-pada, Cultura Permanente, Cultura Tem-porária, Crédito Agrícola e PIB per capita

são estacionárias em ambos os testes e con-siderando tanto o intercepto individual quan-to o intercepto e a tendência individual.

6.2_ Teste de causalidadede Granger

Os resultados para o teste de causalidadede Granger para relação entre desmata-mento e as variáveis explicativas podemser observados na Tabela 2. Essa traz asdescrições das variáveis, o número de de-fasagens utilizadas, a estatística de Wald,bem como o p-valor para cada uma delas eas respectivas hipóteses nulas. Foi consi-derado o nível de significância de 5% etambém duas ou três defasagens.

Pode-se observar uma causalidade deGranger bidirecional entre desmatamen-to e todas as variáveis agropecuárias – ÁreaOcupada, Culturas Permanentes, CulturasTemporárias, Rebanho Bovino e Densida-de Bovina. Os resultados foram, de certaforma, esperados, uma vez que, na medidaque cresce o tamanho da área desmatada,

aumenta a pressão sobre as variáveis emquestão e vice-versa, como descrito na se-ção inicial.

Observa-se também, com relaçãoao grupo de variáveis socioeconômicas, queexiste uma causalidade bidirecional com asvariáveis Crédito Agrícola, Educação deAdultos e Densidade Demográfica. Resul-tados também esperados, uma vez que existeendogeneidade entre essas variáveis e oprocesso de desmatamento.

Os resultados também mostraramuma relação unidirecional no sentido dodesmatamento para Matrícula. Esse resul-tado pode ser em decorrência do processode exaustão dos recursos naturais, bem co-mo da baixa remuneração da atividade ex-trativista, que leva as famílias a procurarqualificar-se na busca de melhores condi-ções de vida.

Por fim, com relação às variáveisPIB per capita e População, o efeito da cau-salidade foi unidirecional no sentido dessaspara o desmatamento. Esse resultado eraesperado já que, à medida que se aumentao grau de atividade econômica, bem comoo contingente populacional do município,se esperava que se intensificasse o processode desmatamento, visto que essas ativida-des estão, em sua maioria, ligadas a ativida-des extrativistas.



7_ Considerações finais

O trabalho teve como objetivo testar arelação causal entre Desmatamento e do-is conjuntos de variáveis: um grupo decinco variáveis agropecuárias (Área Ocu-pada, Culturas Permanente e Temporá-ria, Rebanho Bovino e Densidade Bovi-na), representando as variáveis ligadas aouso do solo e um grupo de seis variáveisrepresentando o lado socioeconômico daregião da Amazônia Legal, em nível demunicípio, no período de 1997 a 2006.

Os resultados empíricos para o gru-po de variáveis agropecuárias mostraramque existe causalidade bidirecional entre odesmatamento e todas as cinco variáveis dereferência desse grupo. Esses resultados,de certa forma, são coerentes com a litera-tura especializada no tema, uma vez queessa enfatiza que a intensidade do desmata-mento na região tem forte correlação coma intensidade do uso do solo (Nepstad et

al., 2001; Mertens et al., 2002; Kaimowitz et

al., 2004; Alencar et al., 2004).



Tabela 2_ Teste de causalidade de Granger em painel entre desmatamento e as variáveis agropecuárias e as socioeconômicas

Variável Explicativa Defasagem H0: Desmatamento não causa VariávelExplicativa no sentido de Granger

H0: Variável Explicativa não causaDesmatamento no sentido de Granger

Variáveis agropecuárias

Área Ocupada 3 15.23028 0.0000 12.36575 0.0000

Cult. Permanente 3 16.32561 0.0000 6.215846 0.0003

Cult. Temporária 3 9.865774 0.0000 20.54645 0.0000

Rebanho Bovino 3 12.58753 0.0000 36.52262 0.0000

Densidade Bovina 2 56.36550 0.0000 40.02216 0.0000

Variáveis socioeconômicas

Credito Agrícola 3 28.61936 0.0000 13.18505 0.0000

Educação Adulto 2 25.13541 0.0000 14.99244 0.0000

Matrícula 3 12.80666 0.0000 1.096093 0.3495

PIB per capita 3 1.973909 0.1158 11.88900 0.0000

População 3 0.119835 0.9485 1478.605 0.0000

Dens. Demográfica 2 6.739030 0.0012 55420.98 0.0000

Fonte: Elaboração dos autores.

Obs.: O número de defasagem foi estabelecido de acordo com a maioria dos resultados fornecidos pelos critérios de escolha Akaike, Schwarz, Hannan-Quinn,FPE (Forecast Prediction Error) e pelo teste likelihood ratio (LR) em um máximo de até três defasagens.

Quanto ao grupo de variáveis soci-oeconômicos, pode-se observar que, nasvariáveis de educação, ocorreu uma causa-lidade unidirecional do Desmatamento pa-ra a variável Matrícula, que corresponde àmatrícula no ensino fundamental regular,bem como uma causalidade bidirecionalentre o Desmatamento e a Educação deAdultos. Esse resultado está diretamente li-gado à dinâmica de ocupação das áreasdesmatadas, visto que essas atraem famíliascom baixo nível de escolaridade e com umnúmero considerável de crianças com ida-de escolar, o que pressiona a demanda poresses serviços.

Quanto às variáveis populacionais,os resultados mostraram uma causalidadeunidirecional do Total da População para oDesmatamento, bem como uma bicausali-dade entre a Densidade Populacional e oDesmatamento. Já a variável PIB per capita

apresentou uma causalidade unidirecionaldela para o Desmatamento, e a variávelCrédito Agrícola apresentou uma bicausa-lidade. Estes últimos resultados estão dire-tamente ligados à intensidade de atividadeeconômica dos municípios, como tambémestão interligados entre si, o que corroboraa ideia de que, à medida que a atividadeeconômica do município cresce, se intensi-ficam os atrativos populacionais, bem co-mo a pressão sobre os recursos naturais.



AHN, S. C.; SCHMIDT, P.Efficient estimation of models for

dynamics panel data. 1995. Mímeo.

ALENCAR, A.; NEPSTAD, D.;MCGRATH, D.; MOUTINHO,P.; PACHECO, P; DELCARMAN, M.; DIAZ V.;SOARES FILHO, B. S.Desmatamento na Amazônia: indo

além da “emergência crônica”.Belém-Pa: IPAM, 2004.

ANDERSEN, Lykke E.Cost-Benefit analysis of deforestation in

the Brazilian Amazon. IPEA: Riode Janeiro, 1997.

ANDERSEN, Lykke E. et. al. The

dynamics of deforestation and economic

growth in the Brasilian Amazon.

Cambridge, UK: CambridgeUniversity Press, 2002.

ANGELSEN, A.; KAIMOWITZ,D. Rething the causes ofdeforestation: lessons fromeconomic models. The World

Research Observer, v. 14, n. 1,p. 73-98, Feb. 1999.

ANDERSON, A. B. (Ed.).Alternatives to deforestation: stepstowards sustainable utilization ofAmazon forest. New York:Columbia University Press, 1990.

ARELLANO, Manuel; BOND,Stephen. Some tests ofspecification for panel data:Monte Carlo evidence and anapplication to employmentequations. The Review of Economic

Studies, v. 58, n. 2, p. 277-297,Apr. 1991.

ARIMA, E.; BARRETO, P.;BRITO, M. Pecuária na Amazônia:

tendências e implicaçõespara a conservação ambiental.Belém-PA: Institutodo Homem e Meio Ambienteda Amazônia, 2005.

BALESTRA, P.; M. NERVOLE.Pooling cross-section andtime series data in theestimation of a dynamic model:the demand for natural gas.Econometrica, v. 34,p. 585-612, 1966.

BECKER, Bertha K. Amazônia.

São Paulo: Ática, 1990. (SériePrincípios).

BECKER, Bertha K. Amazônia:

geopolítica na virada do IIImilênio. Rio de Janeiro:Garamond, 2006.

BRANDÃO, A. S. P.;REZENDE, G. C.; MARQUES,R. W. C. Crescimento agrícola no

período 1999-2004, explosão da área

plantada com soja e meio ambiente no

Brasil. Rio de Janeiro: IPEA, 2005.(Texto para discussão, 1062).

BREITUNG, J. The local powerof some unit root tests for paneldata. In: BALTAGI, B. (Ed.).Nonstationary Panels, Panel

Cointegration, and Dynamic Panels.

Advances in Econometrics. JAI:Amsterdam, 2000. v. 15,p. 161-178.

BUCHINSKY, M. Recentadvances in quantile regressionmodels – a pratical guideline forempirical research. Journal of

Human Resources, v. 33,p. 88-126, 1998.

CAVENDISH, William. Empirical

regularities in poverty-environment

relationship of African Rural

Households. WPS 99-21,Sept. 1999.

CEPAL. Análise Ambiental e de

Sustentabilidade do Estado do

Amazonas. Santiago, jun. 2007.202p. (Publicações dasNações Unidas).

CHOE, J. I. Do foreign directinvestment and gross domesticinvestment promote economicgrowth? Review of Development

Economics, v. 7, p. 44-57, 2003.

CHOMITZ, Kenneth (Org.).At Loggerheads? Agricultural

expansion, poverty reduction, and

environment in the tropical forests.

World Bank Policy ResearchReport, 2007.

DINIZ, Clélio Campolina.A dinâmica regional recente da

economia brasileira e suas perspectivas.

Rio de Janeiro: IPEA, 1995.(Texto para discussão, 375).

DINIZ, Marcelo B.; SANTOS,Ricardo B. N.; DINIZ, Márcia J.T.; PUTY, Cláudio, C. B.;RIVERO, Sérgio L. de M. AAmazônia (Legal) brasileira:evidências de uma condição dearmadilha da pobreza?In: Encontro Nacional deEconomia, 35., 2007, Recife.Anais... Recife-PE: ANPEC, 2007.

DURLAUF, S. N.; JOHNSON,P. Multiple regimes andcross-country growth behaviour.Journal of Applied Econometrics,

v. 10, n. 4, p. 365-384, 1995.



Referências bibliográficas

DURLAUF, S. N.,KOURTELLOS, A.; MINKIN,A. The local solow growth model.European Economic Review, v. 45,n. 4-6, p. 928-940, 2001.

ERDIL, Earkan; YETKINER, I.Hakan. A panel data approach

for income-health causality.

Hamburg University, 2004.(FNU – 47).

FEARNSIDE, Phillipe. Efeitosde uso de terra e manejo florestalno ciclo de carbono na Amazôniabrasileira. In: FLEISCHRESSER,V. (ed.) Causas e dinâmica do

desmatamento na Amazônia.

Brasília, DF, Brasil: Ministério doMeio Ambiente, 2001.p. 173-196.

FEARNSIDE, Philip. M.Desmatamento na Amazônia:

dinâmica, impactos e controle.Manaus, Acta Amazônia, v. 36,n. 3, 2006.

FEARNSIDE, Philip. M.Amazon Forest maintenanceas a source of environmentalservices. Annals of the Brazilian

Academy of Sciences, v. 80, n. 1,p. 101-114, 2007.

FERREIRA, L. V.;VENTICINQUE, E.;ALMEIDA, S. O desmatamentona Amazônia e a importância dasáreas protegidas. Estudos

Avançados, v. 19, n. 53,p.157-166, 2005.

GARCIA, Ricardo Alexandrino;SOARES-FILHO, BritaldoSilveira; MORO, Sueli.Modelagem espacial dodesmatamento amazônico. In:Encontro da Associação deEstudos Populacionais, 15., 2006,Caxambú. Anais... Campinas :ABEP, 2006. p. 1-19.

GEIST, Helmut J.; LAMBIN,Eric F. What drives tropical

deforestation? Land-Use andLand-Cover Change (LUCC);International Human DimensionsProgramme on GlobalEnvironmental Change(IHDP); InternationalGeosphere-Biosphere Programme(IGBP), LUCC Report Series n. 4.Louvain-la-Neuve, 2001.

GRANGER, C. W. J.Investigating causal relations byeconometric models andcross-spectral methods.Econometrica, v. 37,p. 424-438, 1969.

GUILHOTO, J. J. M. et al. PIB da

agricultura familiar: Brasil-Estados.Brasília: MDA, 2007. (NEADEstudos, 19).

HANSEN, B. E. Sample splittingand threshold estimation.Econometrica, v. 68, n. 3,p. 575-603, 2000.

HANSEN, H.; RAND. On the

causal links between FDI and growth

in developing countries. DevelopmentEconomics Research Group(DERG), Institute of Economics,University of Copenhagen,2004. Miméo.

HAYASHI, Fumio. Econometrics.

Princeton New Jersey, USA:Princeton University Press, 2000.

HECHT, S. Soybean production,development and conservation onan Amazon Frontier. Development

and Change, v. 36, n. 2, 2005.p. 375-404.

HECHT, S; COCKBURN A. The

fate of the forest. Developers,destroyers and defenders of theAmazon. Harper Collins, 1990.357 p.

HECHT, S.; NORGAARD, R. B.;POSIO, G. The economics ofcattle ranching in easternAmazonia. Interciencia, v. 13,p. 233-240, 1985.

HOLTZ-EAKIN, D.; NEWEY,W.; ROSEN, H. Implementing

causality tests with panel data, with an

example from local public finance.

1985. (NBER Technical PaperSeries, 48).

HOLTZ-EAKIN, D.; NEWEY,W.; ROSEN, H. S. Estimatingvector autoregression with paneldata. Econometrica, v. 56,p. 1371-1396, 1988.

HSIAO, C. Analysis of panel data.

Cambridge University Press:Cambridge, 1986.

HSIAO, C. Modeling ontarioregional electricity system demandusing a mixed fixed and randomcoefficients approach. Regional

Science and Urban Economics,

v. 19, p. 565-587, 1989.

HURLIN, C. Testing Granger

causality in heterogeneous

panel data models with fixed

coefficients. University Orléans,2004a. Miméo.

HURLIN, C. A note on causality

tests in panel data models with random

coefficients. University Orléans,2004b. Miméo.

HURLIN, C.; VENET, B. Granger

causality tests in panel data models with

fixed coefficients. University ParisIX, 2001. Miméo.

IM, K. S.; PESARAN, M. H.;SHIN, Y. Testing for unit roots in

heterogeneous panels. University ofCambridge, 1997. (DAE WorkingPapers Amalgamated Series,9526).

IM, K. S.; PESARAN, M. H.;SHIN, Y. Testing for unit roots inheterogeneous panels. Journal of

Econometrics, v. 115,p. 53-74, 2003.

INSTITUTO BRASILEIRO DEGEOGRAFIA E ESTATÍSTICA– IBGE. Censo Agropecuário1975. Rio de Janeiro: IBGE, 1976.



INSTITUTO BRASILEIRO DEGEOGRAFIA E ESTATÍSTICA– IBGE. Censo Agropecuário1995/1996. Rio de Janeiro:IBGE, 1998.



KAIMOWITZ, D; MERTENS,B; WUNDER, S ANDPACHECO, P. Hamburger

connection files Amazon destruction.

Bangon, Indonesia: Centerfor International ForestResearch, 2004.

KIVIET, J. F.; PHILLIPS, G. D.A. Alternative bias approximationin regressions with a laggeddependent variable.Econometric Theory, v. 9,p. 62-80, 1993.

KIVIET, J. F.; PHILLIPS, G. D.A. Bias assessment and reductionin linear error-correction models.Journal of Econometrics, v. 63,p. 215-243, 1994.

LEVIN, A.; LIN, C. F.; Chu, C.Unit root tests in panel data:asymptotic and finite-sampleproperties. Journal of Econometrics,

v. 108, p. 1-24, 2002.

MADDALA, G. S. The use ofvariance components models inpooling cross-section and timeseries Data. Econometrica, n. 39,p. 341-358, 1971.

MAHAR, D. J. Deforestation in

Brazil´s Amazon region: magnitude,rate and causes. New York: TheWorld Bank, 1988.

MARGULIUS, Sérgio. Causas do

desmatamento da Amazônia brasileira.

Brasília: Banco Mundial, 2004.

MARINHO, E.; LINHARES, F.;CAMPELO, G. Os programas de

transferências de renda do governo

impactam a pobreza no Brasil?

Laboratório de Estudo daPobreza, CAEN-UFC, 2007.

MERTENS, B.; POCCARD-CHAPUIS, R.; PIKETTY, M.G.; LACQUES, A. E.VENTURIERI, A. Crosssingspatial analyses and livestockeconomics to understanddeforestation processin Brazilian Amazon: the caseof São Felix do Xingu in SouthPará. Agricultural Economics, n. 27,p. 269-294, 2002.

MINISTÉRIO DAINTEGRAÇÃONACIONAL/MINISTÉRIO DOMEIO AMBIENTE. PlanoAmazônia Sustentável – PAS.Diagnóstico e Estratégia, v. 1,Brasília, 2004.

NAIR-REICHERT, U.;WEINHOLD, D. Causality tests for

cross-country panels: a new look atFDI and economic growth indeveloping countries. OxfordBulletin of Economics andStatistics, v. 63, p. 153-171, 2001.

NANKERVIS, J. S.; SAVIN, N.E. Finite sample distributions of t

and F statistics in an AR(1) modelwith an exogenous variable.Econometric Theory, v. 3,p. 387-408, 1987.

NEPSTAD Daniel et. al. Roadpaving, fire regime feedbacks,and the future of Amazon forests.Forest Ecology and Management,n. 154, p. 395-497, 2001.

NEPSTAD, D.; CAPOBIANCO,A. C. B.; CARVALHO, G.;MOUTINHO, P.; LOPES, U;LEFEBVRE, P. Avança Brasil: oscustos ambientais para aAmazônia. Belém: Alves, 2000.

NEPSTAD, D. C.; STICKLER,C.; ALMEIDA, O. T.Globalization on the Amazon soyand beef industries: opportunitiesfor conservation. Conservation

Biology, v. 20, p. 1595-1603, 2006.

NEPSTAD, Daniel; STICKLER,Claudia; ALMEIDA, O. T.Managing the tropical agriculturerevolution. Journal of Sustainable

Forestry, 2008.

NERVOLE, M. Further Evidenceon the Estimation of dynamiceconomic relations from a TimeSeries of Cross-Sections,Econometrica, v. 39,p. 359-387, 1971.

NICKELL, S. Biases indynamics models with fixedeffects. Econometrica, v. 49,p. 1399-1416, 1981.

OLIVEIRA, Ariovaldo Umbelinode Oliveira. BR-163Cuiabá-Santarém: geopolítica,grilagem, violência emundialização. In: TORES,Maurício (Org.). Amazônia

revelada: os descaminhos ao longoda BR-163. Brasília:CNPq, 2005.

PARKES, Ariel; GRILICHES,Zvi. Estimating distributed lags inshort panels with an applicationto the specification ofdepreciation patterns and capitalstock constructs. Review of

Economic Studies, v. 51,p. 243-262, 1984.

PIKETTY, M-G.; VEIGA, J. B.;TOURRAND, J-F.; ALVES, A.M.; POCCARD-CHAPUIS, R.;THALES, M. C.; HOUSTIOU,N.; VENTURIERI A. Por que apecuária está avançando naAmazônia Oriental? In:SAYAGO, D.; TOURRAND,J-F.; BURZSTYN, M. (Org.).Amazônia; cenas e cenários.Brasília: Universidadede Brasília, 2004.

PUTY, C.; ALMEIDA, O. T.;RIVERO, S. L. M. A produçãomecanizada de grãos e seuimpacto no desmatamentoamazônico. Ciência Hoje, v. 40,p. 44-48, 2007.

REARDON, Thomas; VOSTI,Stephen A. Links between ruralpoverty and environment indeveloping countries: assetcetegories and investmentpoverty. World Development,

v. 23, n. 9, p. 1495-1506, 1995.

REIS, E.; MARGULLIS, S.Options for slowing Amazonjungle clearing. In:DORNBUSCH, R.; POTERBA,J. (Ed.). Economic policy responses to

global warming. Cambridge: MITPress, 1991.

RIVAS, A. A. F.; MOTA, J. A.;MACHADO, J. A. Impacto virtuoso

do Polo Industrial de Manaus sobre a

proteção da floresta amazônica:

discurso ou fato? Manaus-AM:Instituto Piatam, 2008.(Resumo executivo).



RODRIGUES, Ricardo LeonardoVianna. Causas do desmatamento da

Amazônia brasileira. Tese(Doutorado) – COPPE/UFRJ,Rio de Janeiro, 2004.

SERRÃO E. A. S.; TOLEDO J.M. The search for sustainability inAmazonian pastures. In:ANDERSON, A. B. (Ed.).Alternatives to deforestation: stepstowards sustainable utilization ofAmazon forest. New York:Columbia University Press, 1990.p. 195-214.

TEJADA, C. A. O.; JACINTO, P.A.; SANTOS, A. M. A.; SOUSA,E. A. Saúde e pobreza no Brasil:uma análise de causalidade deGranger com dados em painel. In:Encontro Nacional de EconomiaRegional, 5., 2007, Recife. Anais...

Recife : Editora da UFPE, 2007.

WALKER, R. T. Land usetransition and deforestationin developing countries.Geographical Analysis, v. 19, n. 1,p. 18-30, 1987.

WEHRMANN, M. E. S. de F.;DUARTE, L. M. G. O que há emcomum entre a Região dasMissões e Lavrados de Roraimaou os percursos da soja até aAmazônia Legal. In: SAYAGO,D.; TOURRAND, J-F.;BURZSTYN, M. (Org.).Amazônia; cenas e cenários.Brasília: Universidadede Brasília, 2004.

WEINHOLD, D. Investment,growth and causality testing inpanels. Economie et Prevision,

v. 126, p. 163-175, 1996.

WEINHOLD, D. A dynamic ‘fixed

effects’ model for heterogeneous panel

data. London School ofEconomics, 1999.(unpublished manuscript).

WEINHOLD, D.; REIS E. Model

avaluation and causality testing in short

panels; the case of infrastructureprovision and population growthin the Brasilian Amazon,(1975-1985), 2001.

WOOD, C.; SCHMINK; M.Contested frontiers in Amazonia.

New York: Columbia UniversityPress, 1992.

WOOLDRIDGE, Jeffrey M.Econometric analysis of cross-section

and panel data. Cambridge,Massachusetts: The MITPress, 2002.

WOOLDRIDGE, Jeffrey M.Introductory econometrics: a modernapproach-2E. Maison, Ohio:Thomson South –Western, 2003.

WUNDER, Sven. Poverty alleviation

and tropical forests – What scope forsynergies? World Development,v. 29, n. 11, p. 1817-2001, 2001.

YOUNG, C. Public Policies andDeforestation in the BrazilianAmazon. Planejamento e Políticas

Públicas, n. 18, Rio de janeiro,IPEA, p. 201-222, 1998.



Email de contato dos autores:

[email protected]

[email protected]

[email protected]

[email protected]

Artigo recebido em dezembro de 2008;aprovado em maio de 2009.

causas do desmatamento da amazônia - scielo · causas do desmatamento da amazônia: uma...

Documents