Fatores determinantes da renda dos pequenos agricultores no Submédio do Vale do São Francisco

Tiago Farias Sobel - Mestrando em Economia na Universidade Federal de Uberlândia - Rua Miguel Rocha dos Santos, n. 377/203, Sta. Mônica. CEP: 38.408-190. Uberlândia-MG. - tiagosobel@yahoo.com.br

Área Temática Área Temática: Agricultura Familiar Forma de Apresentação: Apresentação em sessão sem debatedor

Fatores determinantes da renda dos pequenos agricultores no Submédio do Vale do São

Francisco Resumo

A falta de capacidade de alguns pequenos agricultores em alcançar os níveis de produtividade satisfatórios acarreta na marginalização de boa parte destes do processo produtivo de alto valor agregado, fazendo com que estes apresentem baixa capacidade financeira. Desta forma, este trabalho pretende fazer uma análise sobre quais os principais determinantes da renda dos pequenos produtores no Submédio do São Francisco visando, assim, propor formas de atuação para que consigam elevar seus rendimentos. Como resultado desta pesquisa pode-se afirmar que a principal variável que implica na variação das rendas total e média por hectare das unidades produtivas é o nível de escolaridade de seus proprietários. Portanto, conclui-se que, se o objetivo da política governamental for elevar a renda dos pequenos produtores deve-se investir, prioritariamente, na educação do pequenos agricultores do Submédio.

PALAVRAS-CHAVE: pequenos agricultores, Submédio do Vale do São Francisco, determinantes da renda.

Fatores determinantes da renda dos pequenos agricultores no Submédio do Vale do São Francisco

1. Introdução A agricultura constitui um importante setor para economia mundial, principalmente em

economias atrasadas (países em desenvolvimento). O Brasil está inserido nesse grupo de países. A agricultura tem dado, historicamente, uma inquestionável contribuição ao processo de desenvolvimento do Brasil, participando na geração de emprego, renda e divisas.

Por sua vez, o Nordeste representa a região mais pobre do país. Esta região, por apresentar uma grande parte de suas terras situadas sob o clima semi-árido com forte escassez de água, acaba apresentando baixas produtividades agrícolas, ocasionando uma baixa renda per capita para as regiões secas, já que esta seria, praticamente, a única fonte de renda disponível para tais localidades. Nesse contexto a agricultura irrigada apresenta-se como uma alternativa para a sustentabilidade econômica, não só do meio rural, onde se instale, mas do desenvolvimento regional do semi-árido do Nordeste, ao oferecer várias opções de produção agrícola, promover a geração de empregos estáveis e melhorar a qualidade de vida regional, entre outros melhoramentos (FRANÇA, 2001).

Desta forma, observa-se que vários aspectos positivos relacionados à agricultura irrigada no sertão nordestino têm sido levantados baseados, principalmente, na identificação dos benefícios obtidos na implantação de Perímetros de Irrigação no Submédio do São Francisco para a economia local. Foram criados vários empregos, gerou-se renda, além de vários outros ganhos, que contribuíram para a melhoria das condições de vida das famílias daquela região e da população dos estados de Pernambuco e Bahia.

No entanto, alguns aspectos negativos também vêm sendo levados à tona. Diz respeito à falta de capacidade de alguns pequenos agricultores desta microregião em alcançar os níveis de produtividade obtidos pela empresa agrícola intensiva em máquinas e equipamentos. Acarreta, em conseqüência, na marginalização de boa parte destes pequenos agricultores do processo produtivo de alto valor agregado, fazendo com que estes apresentem baixa capacidade financeira.

Faz-se necessário identificar, portanto, quais fatores possuem maior influência na renda dos pequenos irrigantes visando, através desta identificação, obter uma melhor noção de seus principais determinantes. Assim, pode-se ter melhores condições para orientar estes agricultores com o objetivo de fazer com que estes elevem seus rendimentos. Logo, este trabalho pretende fazer uma análise sobre quais os principais determinantes da renda dos pequenos produtores no Vale do São Francisco (escolaridade, área produzida, etc), visando, assim, propor formas de atuação à estes para que consigam elevar seus rendimentos.

Por não se poder considerar os pequenos agricultores espalhados pelo Brasil de uma forma uniforme – devido a contextos históricos e políticos que acarretaram, de grosso modo, em distintas realidades estruturais destes em diferentes localidades no país – procurou-se analisar o caso do Submédio do São Francisco, mais especificamente, do Pólo Petrolina-Juazeiro, devido à algumas particularidades que esta microrregião apresenta: i) elevados investimentos relacionados a agricultura irrigada, tornando este pólo o mais importante exportados de frutas tropicais do Brasil; ii) à identificação de incentivos na inserção dos colonos na vanguarda tecnológica da agricultura.

Além disso, este trabalho procurou estudar apenas o caso dos pequenos agricultores: i) por estes apresentarem, de uma forma geral, maiores dificuldades financeiras, devido à suas maiores

ineficiências na produção quando comparados às grandes propriedades agrícolas (devido à falta de capital para investimento, baixo nível de educação, entre outros); ii) por parecer ser um caso com maiores particularidades e contradições comparando-se à teoria (devido ao baixo grau de escolaridade e capacidade técnica), fazendo com que a análise fique mais rica; iii) por observa-se que – além de estar numa localidade extremamente pobre – num ontexto regional estes produtores representam um importante segmento em termos de área, produção, renda e emprego nas áreas irrigadas, fazendo com que os benefícios econômicos e sociais sejam potencializados.

A análise será feita confrontando os possíveis resultados na qual a teoria sobre o assunto sugere com resultados empíricos obtidos em pesquisa de campo na própria região e modelados econometricamente. Será utilizado o programa computacional Eviews como ferramenta para obter-se os resultados econométricos.

2. O Pólo Petrolina-Juazeiro Os efeitos causados pela implantação de projetos de irrigação no semi-árido, como descrito

no item anterior, vêm modificando a estrutura econômica de alguns microrregiões do Nordeste. No entanto, há locais onde a implantação da irrigação vem logrando êxito bastante contundente, como é o caso do pólo Petrolina/Juazeiro.

Petrolina fica localizada às margens do rio São Francisco, no extremo Oeste de Pernambuco, vizinha à cidade de Juazeiro, formando o Pólo Agroindustrial Petrolina-Juazeiro. Tal pólo consiste na principal experiência de sucesso da implementação de projetos de irrigação no semi-árido nordestino, apresentando elevados índices de crescimento econômico e desenvolvimento social devido à geração de empregos e renda resultantes da implantação da agricultura irrigada na região. De acordo com FRANÇA (2001), Petrolina e Juazeiro são as cidades mais importantes da região semi-áridas pois são nelas onde se aglomeram os principais negócios do setor agrícola sertanejo. O pólo apresenta ampla área urbana, atravessada por importantes entroncamentos rodoviários do Nordeste e dotado de infra-estrutura de transporte ferroviário, hidroviário e aéreo, de grande potencial de aproveitamento. O Pólo se caracteriza, também, pela existência de grandes números de empresas de industrialização e comercialização de produtos agrícolas. Aí encontram um ambiente favorável à diversificação e à complementação de atividades indispensáveis aos novos paradigmas de competitividade regional (FRANÇA, 2001).

Destaca-se o desenvolvimento da fruticultura no pólo, setor esse que tem atraído investidores e mudado o perfil da economia dessa região. O crescimento verificado tem se mostrado expressivo no caso das culturas de uva, coco, manga, banana, goiaba, graviola, melão, pinha e mamão. O pólo é o maior centro produtor de uvas finas de mesa do País, exportando, segundo a CODEVASF (2001), cerca de 70% das exportações de uvas do Brasil em 1998. Responde, também, por 70% das exportações de manga, segundo dados da CODEVASF em 1998.

Por se destacar na produção de manga e uva e, inclusive, na exportação desses produtos para os mercados americano e europeu, várias indústrias/empresas já se instalaram no Pólo. Dentre as principais indústrias, FRANÇA (2001) destaca a: Agrovale (açúcar, álcool e manga); Fruitfort e Curaçá Agrícola (manga); Carrefour – Labruinier, Vale das Uvas e Orgânica Vale (uva); Grupo Queiroz Galvão – Fazenda Timbaúba (uva e manga) e CAJ (uva e manga); Grupo Special Fruit – Sueme (uva e manga); Fazenda Brasiuvas (uva); e, Fazenda Nova Fronteira

Agrícola (manga). Este fato mostra o impulso econômico que a irrigação impõe a região, atraindo várias indústrias, gerando, logo, emprego e renda.

Logo, em conseqüência dos altos investimentos, o Pólo vem apresentando uma das maiores taxas de crescimento econômico dentre os demais municípios da Região Nordeste, nos últimos 30 anos. Esse crescimento, segundo OLIVEIRA et al. (1991), vem acarretando na melhoria nos indicadores da qualidade de vida da região, como queda na taxa de mortalidade e aumento na expectativa de vida, fazendo, em conseqüência, com que a região apresente altas taxas de migração, tornando-se, assim, pólo de atração demográfica.

3. O pequeno produtor agrícola A agricultura familiar é definida como aquela unidade de produção agrícola onde

propriedade e trabalho estão intimamente ligados à família. GRAZIANO DA SILVA (1999) distingui em três tipos os produtores rurais encontrados no Brasil: i) grandes proprietários e capitalistas agrários; ii) empresas familiares; e iii) produtores camponeses. As principais características apontadas pelo autor para as empresas familiares são:

"i) ao longo do processo produtivo participam um número variável de temporários ou pelo menos um assalariado em caráter permanente; o responsável quase não participa das atividades diretas, assim como a ocupação dos membros da família se concentra nas tarefas especializadas, como o manejo de máquinas e animais; ii) a taxa de lucro não é a variável-chave no funcionamento dessas empresas, sendo mais importante o nível de rendimento total do proprietário, ou seja, existe um cálculo econômico orientado para maximizar a renda líquida que se pode obter daquela área de terra, que em geral é o meio de produção mais restrito; iii) a mobilidade do capital é pequena e, portanto, a busca de alternativas produtivas não orienta os investimentos, senão simplesmente a obtenção de "resultados positivos"; iv) o comportamento empresarial do "dono" não é o de um "patrão" típico, chegando até mesmo a realizar algumas tarefas lado a lado com seus "empregados"; v) na contratação dos empregados tendem a prevalecer relações não-formalizadas legalmente e o nível de rentabilidade das unidades produtivas não é suficiente para garantir que a mão-de-obra contratada seja remunerada de acordo com a legislação vigente."

Através do documento da FAO/INCRA (apud CORREA & ORTEGA, 2001), pode-se

adicionar algumas características inerentes à este tipo de agricultura, visando auxiliar na compreensão de sua definição: i) os investimentos realizados são feitos por indivíduos que mantém entre si laços de sangue ou de casamento; ii) a destinação majoritária do tempo de trabalho familiar deve se dar no estabelecimento; iii) a propriedade dos meios de produção (embora nem sempre da terra) pertence à família e é em seu interior que se realiza a transmissão em caso de falecimento ou de aposentadoria dos responsáveis pela unidade produtiva

MIYASHITA (1997) observa que boa parte dos pequenos produtores costumam estar à margem do processo produtivo de alto valor agregado. Muitas vezes acabam reféns das grandes empresas que compram seus bens (in-natura) tendo que acatar uma série de imposições que restringem a capacidade destes agricultores em barganharem algo. Desta forma, estes não conseguem elevar em demasia suas rendas, não potencializando, assim, a geração de empregos e renda no campo.

Todos os anos a agricultura familiar movimenta bilhões de reais no Brasil. Segundo CORRÊA & ORTEGA (2002), no ano de 1994, 75% dos estabelecimentos agrícolas no Brasil tem características de produção familiar. Eles representam 22% da área total, contavam com

60% do pessoal ocupado e detinham 28% do valor total da produção agropecuária. Outro fato conclusivo foi o de que, do total de estabelecimentos que obtiveram financiamentos, 44,2% eram familiares, atingindo apenas 11% do valor financiado pelas fontes formais de recursos. De acordo com o PLANO DE SAFRA (2004/2005), esta produz a maioria dos alimentos que são consumidos no país: 84% da mandioca, 67% do feijão, 52% do leite, 49% do milho, 40% das aves e ovos e 58% dos suínos.

Segundo ORTEGA & NUNES (2001), a melhor forma de aumentar a renda dos agricultores familiares é inserindo-os nos mercados de produtos e serviços. E para que tal fato aconteça MIYASHITA (1997) acredita que são necessárias políticas públicas que elevem o nível de instrução, o acesso à assistência técnica e a utilização de máquinas e equipamentos dos pequenos agricutores.

No entanto, ORTEGA & NUNES (2001) observa que a agricultura familiar no Brasil não pode ser pensada enquanto um coletivo homogêneo espalhado pelo país, já que existe uma grande heterogeneidade dentre as características sócio-econômico-hitórico-cultural dentre os vários pequenos proprietários espalhados pelo país, fazendo com que cada região apresente suas particularidades, muitas vezes, bastantes distintas da “regra geral”. Os autores afirmam que tal heterogeneidade faz com que, enquanto alguns produzam apenas o suficiente para o autoconsumo, outros estão integrados às cadeias agroindústrias, produzindo de forma extremamente eficiente. Este último é o caso do Pólo Petrolina-Juazeiro.

Neste Pólo a atuação do governo foi forte neste sentido. FRANÇA (1990), por exemplo, identificou em 1986 a implantação do PRONE (Programa de Irrigação do Nordeste) por parte do governo federal que previa a implantação da irrigação em projetos públicos com prioridade para assentamentos de pequenos agricultores. Além disso, foi criado o PAPP (Programa de Apoio ao Pequeno Produtor Rural). Este visava elevar a capacidade real de pagamento do pequeno produtor no Vale do São Francisco. Ou seja, observa-se que procurou-se, na região em estudo, inserir o agricultor familiar de forma competitiva ao mercado disponibilizando à estes: i) terras com toda a infra-estrutura para que estes pudessem irrigar suas propriedades; e, ii) assistência técnica da CODEVASF, podendo demandar orientações relacionadas não apenas à aspectos técnicos, mas também relacionadas à fatores “não técnicos”, tais como: como se organizar em cooperativas; como obter créditos rurais; como identificar e quais os principais aspectos de mercado e de comercialização que devem ser levados em consideração, entre vários outros (FRANÇA, 2001).

Portanto, apesar da agricultura familiar ser apontada como um importante instrumento de inclusão social, geração de trabalho e distribuição de renda, esta no Brasil apresenta uma série de problemas que precisam ser combatidas. No entanto, tal situação não pode ser generalizada para todo o país, já que existem particularidades locais que afetam a eficiência, rentabilidade, entre outros, dos mesmos agricultores.

4. Metodologia Os dados primários empregados neste trabalho foram coletados através de pesquisa de

campo junto a pequenos agricultores, no ano de 2003. Foram entrevistados 38 colonos residentes na região do Vale do Rio São Francisco, situados nos Perímetros Irrigados Nilo Coelho e Maria Tereza. Estes Perímetros podem representar os outros 4 perímetros em funcionamento no Pólo dado que estão situados em uma região com semelhantes tipos de solo, clima, mão-de-obra, etc.

O Perímetro Irrigado Senador Nilo Coelho, está localizado nos municípios de Petrolina, em Pernambuco, e Casa Nova, na Bahia, com 15.712 ha. implantados, onde 9.258 ha. são ocupados por 1.444 pequenos agricultores, ou também chamados colonos. Desde 1997, este Perímetro foi responsável pela geração de cerca de 50.000 empregos anuais, entre diretos e indiretos no Projeto, apresentando mais de 40 culturas exploradas, destacando-se a manga, banana, uva, feijão, tomate, melancia, melão, acerola, coco e goiaba. Já o Projeto Maria Tereza, está anexo ao Projeto Senador Nilo Coelho, com uma área total de 4.658 ha., dos quais 2.604 ha. são destinados a pequenos agricultores, gerando cerca de 14.000 empregos anuais. As principais culturas exploradas são a uva, manga, banana, tomate, melão, melancia e coco (CODEVASF, 2004).

Como já dito anteriormente, foram focados apenas os colonos nesta pesquisas. Estes foram escolhidos de forma aleatória, sendo entrevistados diretamente em suas propriedades ou nas vilas agrícolas próximas às propriedades.

Será montado modelos econométricos utilizando-se as respostas apontadas pelos colonos, visando explicar os principais fatores que definem a renda e o rendimento médio por hectare dos pequenos produtores. Assume-se, neste trabalho, que estas receitas se relacionam com as seguintes variáveis: i) área produzida; ii) número de produtos cultivados; iii) utilização de assistência técnica; iv) sistema de irrigação utilizado e; v) escolaridade do pequeno produtor. A partir destas variáveis, pode-se analisar seus impacto na renda bruta, com base na notação abaixo:

REND = Receita mensal do colono; REND/AREA = Rendimento por hectare; AREA = Área irrigada em hectares; NUMPROD = Quantidade de bens que é produzido na propriedade; DUTEC = 1 se recebe assistência técnica e 0 se não recebe; DUIRR = 1 se sistema for microaspersão, 0 caso seja aspersão; DUESC1 = 1 se tem formação superior, 0 caso contrário; DUESC2 = 1 se tem formação de ensino médio, 0 caso contrário.

Desta forma pretende-se, não apenas definir qual(is) o(s) principal(is) fator(es) para a

elevação da renda dos colonos, mas criar condições para que se possa fazer uma comparação entre os próprios pequenos irrigantes entrevistados no sentido de se saber porque alguns irrigantes apresentam rendas maiores que outros.

Para se medir o rendimento médio mensal por hectare será dividido a receita bruta mensal (REND) pela área total em hectare do estabelecimento do pequeno produtor (AREA). Tal variável será simbolizada pela variável REND/AREA.

Os modelos serão montados baseados na teoria econômica. Após montados e "rodados", procurar-se-á analisar os resultados obtidos confrontando-os com os possíveis resultados sugeridos pela teoria – com base em levantamento bibliográfico – para ver se aqueles estão de acordo com o esta. O programa computacional Eviews será utilizado como ferramenta para se obter os resultados necessários na análise aqui proposta. E todos os resultados serão analisados baseados num nível de significância de 5%.

4.1. Modelo Empírico Os modelos empíricos, apresentados nesta pesquisa, têm como objetivo analisar os

principais fatores que influenciam a renda bruta total e por hectare dos pequenos agricultores no Vale do São Francisco, bem como saber quais os impactos de cada variável na variação destas receitas. Será subdividida a análise em seis modelos, onde cada modelo será incluso as variáveis com dados nominais, acrescentando-se as dummies separadamente em cada modelo. Os RENDi e REND/AREAi objetivam examinar as variáveis de maior influência.

Desta forma, os modelos empíricos obtidos na referente pesquisa estão definidos abaixo de acordo com as seguintes relações: Modelo I:

RENDi = f (AREAi, NUMPRODi, DUTECi) (+) (-) (+) Modelo II: RENDi = f (AREAi, NUMPRODi, DUIRRIGi) (+) (-) (+) Modelo III: RENDi = f (AREAi, NUMPRODi, DUESC1i, DUESC2i) (+) (-) (+) (+) Modelo IV:

REND/AREAi = f (AREAi, NUMPRODi, DUTECi) (+/-) (-) (+) Modelo V: REND/AREAi = f (AREAi, NUMPRODi, DUIRRIGi) (+/-) (-) (+) Modelo VI: REND/AREAi = f (AREAi, NUMPRODi, DUESC1i, DUESC2i) (+/-) (-) (+) (+)

Abaixo dos modelos encontram-se, entre parênteses, os sinais esperados para as diferentes variáveis. Para os três modelos iniciais, definidos acima, a suposição feita com relação à variável AREA é de que o aumento da área cultivada sob regime de irrigação exerce influência positiva no REND, já que a produção deve aumentar ao mesmo tempo. No entanto, nos modelos subseqüentes, não se define se a área apresenta efeito positivo ou negativo sobre o rendimento

médio por hectare (REND/AREA). Isto ocorre pois fatores que reprimem a renda podem ocorrer, como: i) uma maior área pode pulverizar as atenções dada à um hectare, havendo uma “desintensificação” da produção. Este fator ocorre principalmente em se tratando de pequenos produtores, que na média não apresenta a mesma capacidade de economias de escala que apresenta uma empresa agrícola; ii) pode aumentar a diversidade de produção (NUMPROD), passando o produtor a produzir bens menos rentáveis, visando diminuir os riscos de produção. No entanto, fatores que fazem aumentar a renda podem ocorrer, tais como a ocorrência de ganhos de escala e rentabilidade, induzindo o produtor à investir. Isto faria com que a propriedade possua mais capital por hectare, acarretando em maior produtividade e, em conseqüência, maiores rendimentos médio por hectare.

A variável NUMPROD deve apresentar influência negativa sobre a variável REND e REND/AREA. Isso ocorre pois um aumento na quantidade de bens produzidos pelos pequenos produtores acaba dispersando a sua produção acarretando em menor grau de especialização por produto, ou seja, acaba pulverizando a atenção para uma gama de produtos que apresentam diferentes características, necessidades hídricas, formas adaptação a distintos sistemas de irrigação, entre outros. Além disso, observou-se na pesquisa de campo que a maioria dos produtores menos diversificados produzem os bens mais rentáveis, ou seja, produzem uva e manga. Portanto, apesar de haver brechas para discordância – devido ao menor risco gerado pela diversificação – considera-se aqui, pelas razões anteriormente postas, que a variável NUMPROD deve apresentar sinal negativo em todos os modelos.

Agora, especificamente para os modelos I e IV, a variável DUTEC tem como objetivo avaliar a importância da assistência técnica nos rendimentos total e médio dos pequenos produtores. É esperado que esta exerça influência positiva sobre a variável dependente, ou seja, os que recebem assistência técnica devem apresentar uma maior renda se comparados aos que não recebem.

No modelo II e V, a variável DUIRRIG visa estimar o impacto que os diferentes sistemas de irrigação apresentam para determinação da renda. De acordo com SOBEL & COSTA (2004a) o sistema de irrigação que trás maior eficiência para o cultivo da fruticultura no Vale do São Francisco é a microspersão. Já o que apresenta menor eficiência é o sistema por aspersão. Desta forma, é de se supor que os colonos que utilizam os sistemas de irrigação por microaspersão apresentem uma maior receita bruta, já que este sistema acarreta em maior produtividade e qualidade do cultivo. Em conseqüência, as receitas são impulsionadas para cima. Já o método por aspersão é o que apresenta pior eficiência, culminando num efeito inverso sobre as receitas.

Por fim, espera-se que a variável DUESC1 e DUESC2 sejam variáveis de extrema relevância para os modelos III e VI propostos. O nível de educação do pequeno proprietário deve influenciar positivamente na renda, ou seja, o grau de escolaridade deve apresentar efeitos quantitativos na variável renda. Isto ocorre pois um pequeno proprietário que apresente um elevado grau de instrução acaba potencializando a capacidade do pequeno empreendimento de se inserir no mercado, se organizar, de utilizar manusear tecnologias mais avançadas (com um maior grau de complexidade de uso), auxilia na capacidade de negociação do empreendedor com possíveis compradores, etc. Além disso, muito provavelmente boa parte dos pequenos produtores que apresentam escolaridade superior devem ser agrônomo, fazendo com que sua propriedade apresente ótima condições para elevar a produtividade, visto que esta apresenta um acompanhamento nas formas de cultivo de um profissional especializado na área. Vale ressalta, ainda, que os que apresentam instrução de ensino médio podem, também, ter cursos técnicos em agronomia, o que pode o diferenciar dos que apresentam escolaridade elementar. Desta forma, além da maior produtividade no cultivo, o conhecimento/grau de instrução leva o produtor a ter

um maior discernimento da realidade empresarial, dando-lhe condições de aumentar seu poder de barganha, levando-o a obter condições contratuais mais favoráveis (ROCHA, 2001).

4.3. Método de estimação Nesta pesquisa foi utilizado o método por mínimos quadrados, o qual consiste em construir

um modelo que vise encontrar os efeitos das variáveis independentes na variável dependente, minimizando a soma dos quadrados dos resíduos. A abordagem é de cross-section.

Para os seis modelos foram realizados testes de: i) heteroscedasticidade (teste de White); ii) multicolinearidade (matriz de correlação e fator inflação de variância - FIV); iii) autocorrelação (teste d de Durbin-Watson e teste de Breusch-Godfrey); iv) erro de especificação (Teste RESET de Ramsey), e; v) teste de normalidade dos resíduos. As variáveis foram todas trabalhadas em nível devido à análise aqui pretendida seguir uma abordagem de cross-section.

A expressão matemática para os modelos pode ser representada como uma equação linear na forma:

Yi = β + β1X1i + β2X2i + β3X3i + ui i=1,...,38

Nesta equação, Y é definida como uma variável dependente das variáveis explicativas x's. Os parâmetros β, β1, β2, β3 são constantes numéricas que serão determinadas a partir dos dados observados.

5. Resultados 5.1. Análise da regressão linear explicar a Renda Bruta Mensal (REND) No modelo I, pretende-se analisar - além dos impactos da AREA e NUMPROD que estarão

presentes nos seis modelos - se a assistência técnica (DUTEC) apresenta impacto na variação da renda do produtor:

REND = C(1) + C(2)*AREA + C(3)* NUMPROD + C(4)*DUTEC

A variável DUTEC é uma variável dummy que assume o valor de 0 se o pequeno produtor não utiliza assistência técnica e 1 se ele utiliza. As outras variáveis utilizadas no modelo são quantitativas. Os outros modelos seguirão a mesma linha mudando apenas as dummies de DUTEC para DUIRRIG, DUESC1 e DUESC2, conforme necessário. A tabela abaixo representa os resultados obtidos na regressão dos três primeiros modelos.

No modelo 1, nenhuma das três variáveis selecionadas para a estimação do modelo mostraram-se estatisticamente significante para explicar a renda1, apesar de que a área apresenta-se significante quando considerado 10% de significância. No entanto, todos os sinais apresentaram os sinais esperados, confirmando as hipóteses postas anteriormente. Além disso, as variáveis explicativas são responsáveis apenas por 11,50% da variação do índice enquanto que 88,50% é explicado por fatores aleatórios2.

1 Vale ressaltar que o nível de significância aqui considerado será à 5%. 2 O R2 utilizado não é o ajustado.

No modelo 2, das três variáveis selecionadas para a estimação do modelo, apenas a AREA mostra-se estatisticamente significante, ou seja, exerce influência sobre a renda do colono. As variáveis AREA e NUMPROD apresentaram o coeficiente esperado. Já DUIRRIG apresentou o sinal invertido. Tentar-se-á, mais à frente, saber o porque deste sinal não apresentar-se de acordo com o esperado (se o problema é do modelo ou se existe alguma explicação teórica para o fato). Observa-se ainda que as variáveis explicativas explicam novamente muito pouco da variação da variável dependente (11,80%).

Já no modelo 3, observa-se que apenas a variável DUESC1 é significativa indicando, portanto, que o fato de o colono apresentar nível superior influencia fortemente, em R$ 2.442,60 por mês, a renda do produtor. A um nível de 10% de significância, a AREA pode ser considerada variável importante na explicação da renda do produtor. Todas as variáveis apareceram com os sinais esperados. O índice de determinação aparece um pouco maior que nos modelos anteriores, onde 27,71% da variação das variáveis independentes explicam a variação da renda.

Os resultados das regressões estão na tabela 1: Tabela 1: Resultados dos coeficientes, p-value e R2 para os modelos 1, 2 e 3.

Coeficientes Variáveis Modelo 1 Modelo 2 Modelo 3

AREA 125,22 132,42* 104,50 (0,0599) (0,0440) (0,837) NUMPROD -274,58 -327,22 -347,91 (0,3513) (0,2682) (0,1918) DUTEC 214,07 (0,7409) DUIRRIG -327,22 (0,6380) DUESC1 2442,60* (0,0122) DUESC2 789,31 (0,2188) Constante 1413,92 1708,84* 1444,94 (0,1291) (0,0452) (0,0551) R2 0,115048 0,118003 0,277119 Nº de observações 38

* Estatisticamente significante a 5%. Nota: os números entre parênteses representam os p-values. Devido aos baixos índices de significância, ao sinal invertido da variável DUIRRIG e aos

baixos coeficintes de determinação, cabe fazer alguns testes para saber se os modelos apresentam alguns problemas. Caso verdadeiro, estes poderão identificar a natureza destes resultados poucos significativos. Primeiramente pretende-se analisar se os modelos apresentam heteroscedasticidade, já que a presença deste num modelo pode apontar possíveis causas para os resultados problemáticos obtidos (especificação incorreta, por exemplo). Para identificar sua presença utilizou-se o teste de White com produtos cruzados.

Observa-se que o modelo 1 é o único que não acusa presença de heteroscedasticidade, à um nível de 5% de significância. Portanto, tal presença já pode apresentar-se como uma primeira indicação para explicar os resultados problemáticos obtidos pelos modelos 2 e 3.

Agora pretende-se fazer o teste para identificar se há multicolinearidade e se ela mostra-se como um problema para os resultado obtidos, já que quando este apresenta-se altos valores são obtidos baixas estatísticas t, fazendo com que as variáveis independentes sejam insignificantes. Portanto, através deste teste pode-se obter uma possível resposta para o sinal invertido da DUIRRIG e/ou para a insignificância de uma série de variáveis. Analisando através do teste do FIV (Fator Inflação da Variância) pode-se saber se há ou não multicolinaridade. Segundo SOARES (2003) obtendo-se um valor FIV superior a 1 indica a presença de algum grau de influência entre a variável explicativa em questão e as demais incluídas no modelo.

Os valores FIV observados para os três modelo indicam a existência de multicolinearidade. No entanto estes valores também indicam que esta não chega a apresentar-se como um problema para o modelo, já que apresentam um valor muito próximo à 1.

Pelo fato de se identificar a ocorrência de uma leve multicolinearidade no modelo, optou-se por calcular-se a matriz de correlação com o objetivo de se identificar quais variáveis apresentam maior grau de associação linear. Abaixo nota-se que tal associação se da mais fortemente entre as variáveis AREA e NUMPROD em todos os modelos (ver tabelas 2, 3 e 4). Esta relação é bastante óbvia, visto que quanto maior a área disponível para a produção, haverá uma maior tendência à diversificação da produção por parte do agricultor, dada a maior disponibilidade de terras para plantações adicionais. No entanto, novamente pode-se provar que este não apresenta-se como um sério problema, já que seu valor está bem abaixo de 0,8 indicado por GUJARATI (2000) como um valor limite para considerar tal existência problemática ao modelo3.

Tabela 2: Matriz de correlação para o Modelo 1 AREA NUMPROD DUTEC

AREA 1.000000 NUMPROD 0.365303 1.000000

DUTEC 0.123438 -0.156719 1.000000

Tabela 3: Matriz de correlação para o Modelo 2 AREA NUMPROD DUIRRIG

AREA 1.000000 NUMPROD 0.365303 1.000000 DUIRRIG 0.014607 -0.206943 1.000000

Tabela 4: Matriz de correlação para o Modelo 3

AREA NUMPROD DUESC1 DUSEC2 AREA 1.000000

NUMPROD 0.365303 1.000000 DUESC1 0.179910 0.145360 1.000000 DUSEC2 0.033729 -0.014070 -0.204980 1.000000

3 No entanto é bom frisar que GUJARATI (2000) afirma que a matriz de correlação não apresenta um indício infalível da presença da multicolinearidade, visto que há mais de duas variáveis explicativas.

Procura-se também verificar se o modelo apresenta a presença de autocorrelação. De acordo com SOARES (2003) em séries de cross-section dificilmente observa-se a ocorrência de tal problema, apesar de haver possibilidades. Portanto, para tirar qualquer dúvida, aqui será feito tal análise, já que esta pode identificar possíveis problemas de especificação do modelo. O teste que será feito inicialmente é o de Durbin-Watson.

Observou-se que para os três modelos, os valores obtidos através deste teste encontram-se numa zona de inconclusão, ou seja, não se pode afirmar quanto à presença de autocorrelação. Desta forma, para tirar a dúvida, foi feito o teste de Breusch-Godfrey (BG), que indicou a ausência de autocorrelação, nos três modelos, como era de se esperar.

Observou-se, ainda, através do teste de Jarque-Bera, que os resíduos não estavam distribuídos de forma normal em todos os modelos. Além disso, através do teste RESET de Ramsey, notou-se que todos os modelos estão incorretamente especificados. Vale uma ressalva para o modelo 2 que apresenta a especificação correta quando considerado um nível de significância de 10%. Além disso, observa-se, através do teste de variáveis redundantes, que todas as variáveis apresenta-se como tal nos modelos, exceto AREA no modelo 2 e DUESC1 no modelo 3. Desta, forma, isto nos leva a considerar que estas duas vaiáveis realmente devem ser as que melhor explicam a variação da variável REND, ou seja, a área da propriedade influencia a renda do produtor e a escolaridade - mais especificamente o ensino superior – também tem influência determinante na renda do produtor. Este último ocorre principalmente devido ao fato de os pequenos agricultores que apresentam instrução superior serem formados em agronomia tendo, assim, ótima capacidade de lhe dar com a terra, utilizando assim de forma mais eficiente os instrumentos necessários ao aumento de sua renda. Já a área tem uma relação positiva óbvia com a renda bruta do colono, já que maiores áreas levam à possibilidade de uma maior produção acarretando em maiores rendas brutas. Abaixo segue os resultados obtidos nos testes acima mencionados (ver tabela 5).

Tabela 5: resultados dos diversos testes para os modelos 1, 2 e 3.

Teste Modelo 1 Modelo 2 Modelo 3 Heteroscedasticidade Não há heterosc. Há heterosc. Há heterosc.

White (p-value) (0,097864) (0,041832) (0,011267) Multicolinearidade Há leve multicolin.

(não problemático) Há leve multicol. (não

problemático) Há leve multicol.

(não problemático) Valor do FIV (1,200360) (1,165429) (1,182462)

Autocorrelação Ausência de autoc. Ausência de Autoc. Ausência de autoc. Durbin Watson (1,503710) (1,507432) (1,671365)

Breusch-Godfrey (p-value)

(0,670266) (0,569060) (0,521984)

Normalidade dos resíduos:

Não esta distribuído normalmente

Não está distribuído normalmente

Não está distribuído normamente.

Jarque-Bera (p-value)

(0,000002) (0,000007) (0,011253)

Especificação Incorretamente especificado

Incorretamente especificado

Incorretamente especificado

RESET (p-value) (0,345186) 0,066039 0,284731

O sinal invertido da variável DUIRRIG pode ser fruto dos problemas apontados acima no modelo 2 (heteroscedasticidade, resíduos não distribuídos normalmente, especificação incorreta).

No entanto, pode-se arriscar possíveis causas para que este sinal apresente-se como negativo neste estudo.

Apesar de trazer melhores eficiências no cultivo, os pequenos irrigantes tem maior habilidade em manusear o método por aspersão. Isto pelo fato de aspersão ser o sistema mais utilizado na região. E pelo fato destes serem avessos à mudanças, devido ao seu baixo grau de escolaridade, instrução técnica, etc., estes acabam se adaptando melhor ao sistema de irrigação mais tradicional.

Além disso, o sistema por aspersão apresenta, em geral, uma tecnologia mais fácil de ser manuseada, o que facilita o trabalho dos colonos, bastante avessos à complexidade tecnológica. Desta forma, estes conseguem obter maiores retornos com a utilização do aspersor, mesmo este método apresentando custos de operação maior. No entanto, como estamos analisando a renda bruta mensal e não os lucros, este método pode acarretar em maiores receitas brutas mensais ao pequeno produtor. Porém, apesar de obterem maiores receitas utilizando o método por aspersão, os irrigantes estão acarretando em desperdício de água e conseqüente degradação do meio ambiente, além de resultar em maiores custos com energia, mão-de-obra, entre outros.

Deve-se observar, ainda, a cultura que os colonos cultivam. Talvez os irrigantes que utilizam o método menos eficiente (aspersão) estejam cultivando um produto mais rentável que um colono que utiliza o método mais eficiente.

Por fim, outro fator que pode explicar é o fato de que o simples uso do sistema de irrigação mais eficiente não garante maior eficiência ao colono. É necessário utilizá-lo de forma adequada, ou seja, na hora certa, com a quantidade de água correta, na distância adequada, etc. Segundo LEÃO & SOARES (2000), por exemplo, o grau de eficiência da utilização do microaspersor dependerá da percentagem da área molhada por planta que é função da intensidade da aplicação de água em seu raio, número de emissores por hectare e declividade do solo. Logo, observa-se que a simples utilização da microaspersão não garante a melhor eficiência para a fruticultura no Submédio do Vale do São Francisco. E pelo fato de haver uma maior familiaridade com o método por aspersão, talvez estes consigam manusear este sistema de forma mais eficiente aos que utilizam sistema por microaspersão.

5.2. Análise da regressão linear explicar a Renda Bruta Mensal por hectare

(REND/AREA) Como já exposto anteriormente, procurou-se ver se as mesmas variáveis independentes

utilizadas nos modelos 1, 2 e 3 teriam influencia sobre a rentabilidade média por hectare do pequeno produtor no Vale do São Francisco, já que esta variável traduz uma realidade diferente de quando utilizada a variável Renda Bruta Mensal. Uma mede a arrecadação total do produtor por propriedade, já a outra tem possibilidade de medir melhor a eficiência dos pequenos produtores, já que os resultados acabam sendo obtidos sobre uma base fixa: um hectare.

Portanto, visando analisar se estas variáveis teriam influência na renda média do produtor por hectare, será feito aqui um exercício adicional utilizando-se a mesma metodologia especificadas nos três modelos anteriores, variando apenas a variável dependente de REND para REND/AREA. A tabela 6 mostra os resultados obtidos pela regressão destes novos modelos:

O sinal negativo da variável AREA indica que quanto maior a área do estabelecimento, menor tende ser a renda por hectare obtido pelo pequeno agricultor. Isto deve ocorrer devido à maior pulverização de esforços, desintesificando a produção. A quantidade de bens cultivados por produtor (NUMPROD) também influencia negativamente na renda, ou seja, uma maior

diversificação leva à uma menor receita bruta média por produtor. Talvez, devido ao menor grau de especialização por produto por hectare por parte dos que mais diversificam.

Tabela 6: Resultados dos coeficientes, p-value e R2 para os modelos 1, 2 e 3.

Coeficientes Variáveis Modelo 4 Modelo 5 Modelo 6

AREA -2,665882 -1,919168 -4,215490 (0,7175) (0,7924) (0,5440)

NUMPROD -13,70140 -17,00251 -23,52784 (0,6806) (0,6121) (0,4481)

DUTEC 41,99492 (0,5685)

DUIRRIG 9,122923 (0,9113)

DUESC1 246,1555* (0,0294)

DUESC2 44,67984 (0,5495)

Constante 269,3102* 297,0014* 296,7863* (0,0134) (0,0033) (0,0014)

R2 0,025294 0,016151 0,149786 Nº de observações 38

* Estatisticamente significante a 5%. Nota: os números entre parênteses representam os p-values.

DUTEC também apresenta o sinal esperado, apontando que a assistência técnica influencia

positivamente na renda média do produtor. Curioso observar que nesta nova regressão a variável DUIRRIG apresenta o sinal esperado – diferentemente do ocorrido no modelo 2 – ou seja, a utilização da microaspersão passa a ter sinal positivo influenciando positivamente na receita por hectare do pequeno produtor. Desta forma, isto indica que a microaspersão acarreta em maior rendimento médio, que pode ser visto como uma certa aproximação, para eficiência do produtor no cultivo da fruticultura. No entanto, é bom não se animar com este resultado já que observa-se que o grau de significância desta é muito baixo, o que torna o resultado com baixa confiabilidade.

O nível de escolaridade também apresenta-se com o sinal esperado, onde, o maior grau de instrução por parte do pequeno produtor acarreta em maiores rendimentos médios por propriedade. Vale salientar, também, que a única variável que mostrou-se como significativa no modelo, foi a DUESC1, apontando que o nível de instrução superior apresenta impactos positivos sobre a renda bruta mensal por hectare do pequeno produtor. Esta mesma significância foi observada no modelo 3, o que dá maior sustentação à influência desta variável sobre os rendimentos.

Apesar dos sinais apresentarem-se de acordo com a teoria, é importante frisar que, de uma forma geral, nestes novos modelos as variáveis apresentam-se com um elevado grau de insignificância, além de coeficientes de determinação (R2 ajustado) bastantes baixos, principalmente os modelos 4 e 5. Apenas as constantes mostraram-se como significativos e a variável DUESC1, confirmando ser escolaridade superior importante variável para elevar a receita do pequeno produtor no Vale do São Francisco.

Abaixo segue a tabela 7 que identifica se há problemas neste modelo que possam explicar os baixos graus de significância e de determinação do modelo. Tabela 7: resultados dos diversos testes para os modelos 4, 5 e 6.

Teste Modelo 4 Modelo 5 Modelo 6 Heteroscedasticidade Não há heterosc. Não há heterosc. Não há heterosc.

White (p-value) 0,618422 0,263041 0,112670 Multicolinearidade Há leve multicolin.

(não problemático) Há leve multicol. (não

problemático) Há leve multicol.

(não problemático) Valor do FIV (1,200360) (1,165429) (1,182462)

Autocorrelação Ausência de autoc. Ausência de Autoc. Ausência de autoc. Durbin Watson 1,986607 1,914626 2,069639

Breusch-Godfrey (p-value)

0,823014 0,789257 0,586267

Normalidade dos resíduos:

Não esta distribuído normalmente

Não está distribuído normalmente

Está distribuído normamente

Jarque-Bera (p-value)

(0,035910) (0,027239) (0,368932)

Especificação Incorretamente especificado

Incorretamente especificado

Corretamente especificado

RESET (p-value) 0,546486 0,367150 0,025364 Através do teste de White observa-se que não há problema relacionado à existência de heteroscedasticidade em nenhum dos modelos acima. Observa-se, também, através do teste FIV que os modelos apresentam existência de leve multicolinearidade; no entanto, esta não apresenta-se como problemático aos modelos. Na verdade, o teste de multicolinearidade apresenta os mesmo valores que os três primeiros modelos analisados. Isto porque as variáveis explicativas são as mesmas, fazendo com que as relações lineares entre estas sejam as mesmas. Portanto, como observado nos resultados dos três primeiros modelos, o maior grau de relação linear entre as variáveis encontra-se entre as variáveis AREA e NUMPROD (ver tabelas 2,3 e 4). Através do Teste de Durbin-Watson e de Breusch-Godfrey observa-se que os modelos não apresentam problema de autocorrelação. Todos os valores obtidos neste teste encontram-se na região que aponta ausência de autocorrelação. Foi feito o teste Breusch-Godfrey para se dar maior sustentabilidade ao resultado obtido no teste anterior. E realmente identificou-se a ausência de autocorrelção entre nos modelos analisados.

Ao analisar se os resíduos estavam normalmente distribuídos, através do teste de Jarque-Bera, observou-se que estes não se apresentavam como tal nos modelos 4 e 5, mas apenas no modelo 6. Da mesma forma, ao se fazer o teste de especificação do modelo (teste RESET de Ramsey), observou-se que apenas o modelo 6 estava corretamente especificado. No entanto, neste modelo, através do teste de razão de verossimilhança, observou-se que apenas a variável DUESC1 foi identificada como não redundante para o modelo. Nos outros dois modelos (4 e 5), todas as variáveis apareceram como redundantes para o modelo.

Os resultados obtidos nesta segunda série de modelos não são satisfatórios, já que era esperado que as variáveis aí postas tivessem uma forte influência sobre a renda bruta mensal por hectare dos pequenos produtores. No entanto, o elevado grau de insignificância dos modelos faz com que os resultados não sejam confiáveis para explicar a realidade. Apenas o modelo 6 que apresentou-se com um pouco mais de condições de explicar a realidade, visto que, apesar de

apresentar diversos variáveis não significativas, não apresentou problemas de heteroscedasticidade, autocorrelação, multicolinearidade, normalidde dos resíduos e especificação. Desta forma, pode-se concluir que a escolaridade superior, inclusa neste modelo, realmente afeta de forma significativa a renda mensal por hectare obtida pelo pequeno produtor.

6. Conclusões e comentários finais Como resultado desta pesquisa pode-se afirmar que, em geral, na região pesquisada, as

rendas total e média por hectare das unidades produtivas, são fortemente impactadas pelo nível de escolaridade de seus proprietários. No entanto, baseado na teoria existente, os resultados aqui obtidos não foram muito satisfatórios já que esperava-se que os resultados fossem bem mais significativos. Problemas identificados nos modelos podem aparecer como possíveis explicações para os resultados visualizados. De uma forma geral, os modelos desenvolvidos neste trabalho sugerem as seguintes conclusões.

De acordo com a hipótese previamente estabelecida, foi constatada a grande importância da escolaridade superior nas rendas estudadas. Já a área do estabelecimento explica bem a renda total do produtor. Portanto uma importante conclusão que pode ser tirada dessa pesquisa com relação à variável que mede o nível de educação do proprietário é a importância que se deve atribuir a essas variáveis para explicar as variações das rendas totais e por hectare dos agricultores. No entanto, observou-se que a média da escolaridade dos moradores da região em estudo é muito baixa. No Anexo, nota-se, com relação a escolaridade, que a maioria dos valores atribuídos as variáveis DUESC1 e DUESC2 é zero, indicando que a maior parte dos pequenos agricultores entrevistados apresentam escolaridade elementar. Diante disso, conclui-se que, se o objetivo de uma política governamental for elevar a renda dos pequenos produtores, além de investir em educação formal, teria que se investir num sistema educacional moderno, voltado para a profissionalização dos produtores. Se ao menos a assistência técnica fosse eficiente, a necessidade do elevado nível de escolaridade diminuiria dada a orientação disponível ao pequeno produtor. No entanto, como afirma ROCHA (2001), na região a assistência técnica prestada ao invés de garantir uma certa simetria na distribuição das visitas, privilegia alguns agricultores em detrimento da maioria, ou seja, a maioria fica a mercê de suas próprias experiências. Talvez este fato explique o baixo grau de significância do coeficiente obtido na variável DUTEC. Segundo ROCHA (2001) a melhoria do nível escolar aumenta a renda inclusive por garantir uma melhoria nos termos contratuais a favor do agricultor.

Portanto, o setor público deveria olhar com maior atenção para a escolaridade dos pequenos agricultores na perspectiva de aumentar o papel da pequena produção agrícola na região. Já que uma maior renda destes acarretaria em efeitos encadeamentos em toda a região, já que esta renda adicional acarretaria em elevação de emprego e renda direto e indireto tanto nas regiões onde os agricultores estão localizados como nas regiões que tenham alguma ligação com a agricultura irrigada local (SOBEL & COSTA, 2004b).

Devido aos vários problemas apresentados nos resultados acima exposto, os coeficientes estimados (exceto AREA no modelo 2 e DUESC1 nos modelos 3 e 6) não podem representar os verdadeiros coeficientes, ou seja, as funções de regressão da amostra não podem representar a função de regressão da população. Acarreta ainda no sinal esperado de DUIRRIG no modelo 2 apresenta-se inverso ao que sugere a teoria na explicação da renda bruta.

Em resumo observa-se que, apesar de nem todos os valores apresentarem os graus de significâncias desejados, deu para se ter uma noção de como deve ser impactada a renda do

pequeno produtor em função de variação nas variáveis aqui analisadas. A escolaridade mostrou-se como o principal determinante da renda. Assim, esta deve ser vista de forma mais cuidadosa quando se objetiva aumentar e renda dos pequenos irrigantes. 7. Bibliografia COMPANHIA DE DESENVOLVIMENTO DOS VALES DO SÃO FRANCISCO E

PARNAÍBA (CODEVASF). http://www.codevasf.gov.br. Acesso em novembro, 2004. COMPANHIA DE DESENVOLVIMENTO DOS VALES DO SÃO FRANCISCO E DO

PARNAÍBA (CODEVASF). Almanaque: Vale do São Francisco 2001. 1o ed., 2001. CORRÊA, Vanessa P. & ORTEGA, Antônio C. PRONAF: Programa Nacional de

Fortalecimento da agricultura familiar – qual o seu real objetivo e público alvo? Anais do Congresso da SOBER 2004 – Sociedade Brasileira de Economia e Sociologia Rural. Cuiabá, 2002.

FRANÇA, F. M. C. (coord.). Modelo Geral para Otimização e Promoção do Agronegócio da Irrigação do Nordeste. Fortaleza: Banco do Nordeste, 2001. 320p.

FRANÇA, F. M. C. & PEREIRA, José A. Análise Agroeconômica e Capacidade de Pagamento do Pequeno Irrigante do Nordeste. Fortaleza: Secretaria Nacional de Irrigação/BNB/ETENE. 1990. 278p.

GRAZIANO DA SILVA. Tecnologia e agricultura familiar. Porto Alegre, Ed. Universidade, UFRGS, 1999.

GUJARATI, Damodar N. Econometria Básica. São Paulo, MAKRON books, 2000. LEÃO, P. C. S. & SOARES, J. M. A Viticultura no Semi-Árido Brasileiro. Petrolina:

EMPBRAPA SEMI-ÁRIDO. 2000. 366p. MIYASHITA, Hadjimu. Programa de verticalização da pequena produção agrícola. Brasília,

1997. In: inovando.fgvsp.br/conteudo/documentos/ 20experiencias1997/4%20-%20prove.pdf

OLIVEIRA, A. C., H. R. SOUZA, J. R. VERGOLINO, O. A. GALVÃO, J. ALMEIDA & A. MELO. Impactos Econômicos da Irrigação Sobre o Pólo Petrolina/Juazeiro. Ed. Universitária, PIMES-UFPE, 1991.

ORTEGA, Antonio C. & NUNES Emanoel M. Agricultura Familiar: pr um projeto alternativo de desenvolvimento local. Anais do Congresso da UFOP, Ouro Preto –MG. 2001.

PLANO DE SAFRA (2004/2005). Ministério do Desenvolvimento Agrário – MDA. Acesso in: www.mda.gov.br.

ROCHA, Roberta de M. Um exame dos determinantes da coordenação vertical na agroindústria do nordeste: o caso do pólo de irrigação Petrolina-Juazeiro. Monografia em economia da UFPE, jul. 2001.

SOARES, Ilton G & CASTELAR, Ivan. Econometria aplicada com o uso do Eviews. Fortaleza: UFC/CAEN, 2003.

SOBEL, Tiago F. & COSTA, Ecio de F. Estimando taxas de adoção de tecnologias poupadoras de água na fruticultura irrigada do Vale Do São Francisco: o caso dos pequenos agricultores. Anais do Congresso da SOBER 2004 – Sociedade Brasileira de Economia e Sociologia Rural. Cuiabá, 2004a.

___________________________________. Impactos na geração de empregos e renda da implantação do Projeto Pontal no Vale do São Francisco. Revista Econômica do Nordeste, n.3 , v. 35, 2004b.

Anexo Tabela 8: Dados primários obtidos em pesquisa de campo utilizados no trabalho.

Obs. REND AREA NUMPROD DUTEC DUIRRIG DUESC1 DUSEC2 1 8000.000 10.80000 2.000000 1.000000 0.000000 1.000000 0.000000 2 8000.000 12.00000 1.000000 1.000000 0.000000 0.000000 1.000000 3 480.0000 2.500000 1.000000 0.000000 0.000000 0.000000 0.000000 4 240.0000 7.000000 1.000000 1.000000 1.000000 0.000000 0.000000 5 3000.000 6.000000 1.000000 1.000000 1.000000 0.000000 0.000000 6 800.0000 5.800000 1.000000 1.000000 0.000000 0.000000 0.000000 7 2000.000 6.000000 1.000000 1.000000 0.000000 0.000000 0.000000 8 2000.000 8.000000 2.000000 0.000000 0.000000 0.000000 1.000000 9 400.0000 9.000000 4.000000 1.000000 0.000000 1.000000 0.000000

10 3000.000 6.700000 4.000000 1.000000 0.000000 0.000000 0.000000 11 2000.000 6.000000 3.000000 1.000000 1.000000 0.000000 0.000000 12 800.0000 7.000000 3.000000 1.000000 0.000000 0.000000 0.000000 13 600.0000 6.000000 3.000000 0.000000 0.000000 0.000000 0.000000 14 600.0000 6.000000 3.000000 0.000000 0.000000 0.000000 0.000000 15 3000.000 9.000000 3.000000 1.000000 1.000000 0.000000 1.000000 16 4000.000 10.00000 3.000000 0.000000 0.000000 0.000000 1.000000 17 600.0000 7.900000 3.000000 1.000000 0.000000 0.000000 1.000000 18 1500.000 6.000000 3.000000 0.000000 0.000000 0.000000 0.000000 19 500.0000 6.800000 2.000000 0.000000 0.000000 0.000000 0.000000 20 350.0000 8.000000 3.000000 0.000000 0.000000 0.000000 0.000000 21 3500.000 6.000000 3.000000 0.000000 0.000000 0.000000 0.000000 22 500.0000 6.000000 3.000000 0.000000 0.000000 0.000000 0.000000 23 2000.000 17.00000 4.000000 1.000000 1.000000 0.000000 0.000000 24 4000.000 5.500000 3.000000 1.000000 1.000000 1.000000 0.000000 25 2500.000 32.00000 5.000000 1.000000 0.000000 0.000000 0.000000 26 2500.000 6.000000 3.000000 0.000000 0.000000 0.000000 1.000000 27 300.0000 4.500000 1.000000 1.000000 1.000000 0.000000 0.000000 28 2000.000 9.500000 2.000000 1.000000 0.000000 0.000000 0.000000 29 500.0000 5.940000 3.000000 1.000000 0.000000 0.000000 1.000000 30 2000.000 5.800000 2.000000 1.000000 0.000000 0.000000 0.000000 31 2000.000 5.800000 4.000000 1.000000 0.000000 0.000000 0.000000 32 326.0000 6.000000 4.000000 1.000000 0.000000 0.000000 0.000000 33 3500.000 18.00000 3.000000 0.000000 0.000000 1.000000 0.000000 34 800.0000 5.000000 1.000000 1.000000 0.000000 0.000000 0.000000 35 400.0000 6.000000 4.000000 0.000000 0.000000 0.000000 1.000000 36 700.0000 5.900000 2.000000 1.000000 1.000000 0.000000 1.000000 37 800.0000 14.00000 1.000000 1.000000 1.000000 0.000000 1.000000 38 1500.000 5.800000 1.000000 1.000000 0.000000 0.000000 0.000000