You are on page 1of 110

UNIVERSIDADE FEDERAL DO PARANA

RODRIGO HERMONT OZON

INDICE DE DESENVOLVIMENTO MUNICIPAL:

SIMULANDO A DINAMICA
DOS NEGOCIOS
COM ANALISE
FATORIAL

CURITIBA
2011

RODRIGO HERMONT OZON

INDICE DE DESENVOLVIMENTO MUNICIPAL:

SIMULANDO A DINAMICA
DOS NEGOCIOS
COM ANALISE
FATORIAL
Dissertac
ao apresentada ao Setor de
Ci
encias Sociais Aplicadas da Universidade Federal do Paran
a como requisito
parcial `
a obtenc
ao de grau de Mestre
em Desenvolvimento Econ
omico pelo
Programa de Mestrado Profissional em
Desenvolvimento Econ
omico.
Orientador: Prof.
Mattos Macedo

CURITIBA
2011

Dr.

Mariano de

TERMO DE APROVAC
AO

RODRIGO HERMONT OZON

INDICE DE DESENVOLVIMENTO MUNICIPAL: SIMULANDO A DINAMICA

DOS

NEGOCIOS
COM ANALISE
FATORIAL
Dissertac
ao apresentada como requisito parcial `
a obtenc
ao do grau de
Mestre pelo Curso de P
os-Gradua
c
ao em Desenvolvimento Econ
omico, Ci
encias
Sociais Aplicadas, Universidade Federal do Paran
a, pela seguinte banca examinadora:

Prof. Dr. Mariano de Mattos Macedo


Departamento de Economia, UFPR
(Orientador)

Prof. Dr. Flavio de Oliveira Goncalves


Departamento de Economia, UFPR

Prof. Dr. Hermes Higachi


Departamento de Economia, UEPG

Curitiba, 29 de marco de 2011

ii

A Deus, a minha famlia e a todos aqueles que acreditam no meu potencial.

iii

AGRADECIMENTOS
Muitas pessoas contribuiram para a realizacao deste trabalho. Agradeco inicialmente
`a Federacao das Ind
ustrias do Estado do Parana e ao Instituto Brasileiro da Qualidade e
Produtividade por me concederem a oportunidade de cursar o mestrado como bolsista e por
apostar na minha carreira de economista.
A dedicacao de professores foi uma influencia muito forte para que eu escolhesse um
tema ligado a analise econometrica e a carreira academica e aponto neste sentido Flavio de
Oliveira Goncalves pelo estmulo, amizade, pelas viagens para apresentar o IDMPE pelos
Sebraes afora e pela sua paciencia com a minha ansiedade e correria na maioria das ocasioes.
Flavio, e um orgulho ter voce como Professor e amigo!
Tambem nao poderia deixar de agradecer aos admiraveis, inspiradores e incetivadores prof. Hermes Higachi e prof. Mariano Macedo aos quais sou fa declarado de carteirinha e ao Mariano desde a minha graduacao na UFPR.
Nao poderia deixar de esclarecer meus agradecimentos aos meus amigos do mestrado,
todos eles, sem nenhuma omissao. Nao pretendo citar os nomes pois receio cometer alguma
ingratidao.
Tambem sou grato aos meus incentivadores de todas as horas, os professores e alunos
por onde convivi e pretendo seguir, na Universidade Positivo, na INESUL/FANEESP e na
pos-graduacao da FESP.
Finalmente, esta monografia nao teria sido possvel sem a orientacao, de Mariano
Macedo a quem devo meu agradecimento especial. Sem as excelentes contribuicoes deste
Professor este trabalho nao seria viavel!

iv

Quando a complexidade aumenta, as afirmacoes precisas perdem significado e as


significativas perdem precis
ao.
Lotfi Zadeh

Resumo

Polticas p
ublicas orientadas por resultados necessitam de parametros que norteiem sua
atuacao com maior efetividade. As limitacoes para construir uma medida sintetica que
mensure o ritmo de desenvolvimento do ambiente de negocios carece de boas premissas e
condicoes iniciais que se mostrem capazes de captar a cadeia de complexidade do sistema em
que est
a inserida e que tenha flexibilidade suficiente para que se possam simular as diferentes
configuracoes a cada mudanca do meio. Uma das dificuldades nesta mensuracao consiste na
definicao de conceitos amplos, como o de desenvolvimento municipal, empresarial, institucional e mercadol
ogico e no entendimento adaptativo dos agentes envolvidos neste habitat.
O objetivo desta dissertacao e analisar o ambiente de negocios, atraves da construcao de algumas medidas quantitativas resumidas em indicadores construdos a partir da metodologia
da analise fatorial e de elementos presentes na econometria espacial e na ciencia regional e
suas devidas relacoes com o cen
ario economico onde as firmas se inserem. Em particular,
o trabalho procura mostrar como a concentracao populacional, o Crescimento Schumpeteriano e a sensibilidade as hip
oteses ou condicoes iniciais dos modelos geram configuracoes
diferentes nos resultados, reforcando a ideia de que a quest
ao das expectativas, inovacao tecnol
ogica, competitividade e a cadeia de complexidade no que diz respeito a adaptabilidade e
mutacao s
ao fatores endogenos preponderantes no desenho de polticas e planos de acao para
uma atuacao mais efetiva dos stackeholders envolvidos. A busca por avancos nesta corrente
de pensamento passa por conceitos neo-schumpeterianos e avanca para os desafios presentes
na modelagem computacional que nasce com os Agent Based Computational Economics que
simulam os comportamentos de sociedades artificiais e seus processos interativos, sugerindo
fortes incentivos para o nascimento de pesquisas futuras neste sentido.
Palavras-Chave: Evolucionismo, An
alise Fatorial, Construcao de Cen
arios via Simulacao de Monte Carlo, Economia paranaense.

Abstract

Outcome-oriented public policies require parameters to guide their actions with greater effectiveness. The limitations to construct a synthetic measure that catch the pace of development of the business environment requires good initial conditions and assumptions that
may be able to capture the complexity of the chain system in which it operates and which
has sufficient flexibility so that they can simulate the different settings with each change of
medium. One difficulty in this measurement is to establish broad concepts, such as municipal
development, business, institutional and marketing and the understanding of adaptive agents
involved in this abitats. The objective of this thesis is to analyze the business environment
through the construction of some quantitative measures summarized indicators constructed
from the factor analysis methodology and elements in the spatial econometrics and regional
science and its proper relations with the economic scenario where the firms are located. In
particular, I show how the concentration of population, the market size and sensitivity to
initial conditions or assumptions of the models produce results in different settings, reinforcing the idea that the question of expectations, technological innovation, competitiveness and
chain complexity with regard to adaptability and change are endogenous factors prevalent in
the design of policies and plans of action for a more effective performance of stackeholders
involved. The search for progress in this line of thought goes through neo-Schumpeterian
concepts and progresses to the current challenges in computational modeling that comes with
the Agent Based Computational Economics that simulate the behaviors of artificial societies
and their interactive processes, suggesting strong incentives for the birth of future research
in this direction.
Keywords: Evolutionary Economics, Factor Anaysis, Scenario Building via Monte Carlo
Simulation, Paranas Economics.

vi

vii

Lista de Figuras

Figura 1

Requisitos de um bom indicador

Figura 2

Estrutura do ID-MPE

Figura 3

Inspecao gr
afica das vari
aveis do ID-MPE

Figura 4

Resultados do IDE para os municpios paranaenses

Figura 5

Comparativo das cargas fatoriais nao rotacionadas e rotacionadas para o IDI

Figura 6

Mapeamento do IDMPE e subndices nos municpios do estado do Paran


a.

Figura 7

Resultados do I de Moran Univariado para o IDMPE PR

Figura 8

Diagrama de Dispers
ao de Moran

Figura 9

Comparativo das cargas nao rotacionadas e rotacionadas para o indicador proposto

Figura 10

Histograma e aproximacoes das distribuicoes para o IDMS

Figura 11

Estagios no diagrama de decis


ao da an
alise fatorial

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

. . . 39

. . . . . 42

. . . . . . . . . . . . . . . . . . . . . . 43

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

58

. . . . . . . . . . . . . . . . . . . . . 62

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

Figura 12 Verificacao positiva de clusters para a distribuicao espacial do IDMPE e valores p > 0, 05

74

Lista de Tabelas

Tabela 1

Criterios de Avaliacao e Interpretacao do teste KMO (Hair et. alli (2008))

Tabela 2

Estatsticas descritivas das vari


aveis do IDE PR

Tabela 3

Limiares M
aximos e Mnimos para as vari
aveis do IDE

Tabela 4

Extracao das Componentes Principais para o IDE

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

Tabela 5

Resultados do teste KMO para as vari


aveis do IDE

. . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

Tabela 6

Matriz de cargas fatoriais nao-rotacionadas e an


alise de fatores principais para IDE

Tabela 7

Resultados da matriz de cargas fatoriais rotacionadas para o IDE

Tabela 8

Ranking dos 10 maiores IDEs no estado do Paran


a

Tabela 9

Limiares m
aximos e mnimos para as vari
aveis do IDM

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

Tabela 10 Resultados do teste KMO para as vari


aveis do IDM

Tabela 11

. . . . . 23

. . . . . . . . . . . . . . . . . . . . . . . . . 29

31

. . . . . . . . . . . . . . 32

. . . . . . . . . . . . . . . . . . . . . . . . . . . 33

. . . . . . . . . . . . . . . . . . . . . . . . 34

. . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

Matriz de cargas fatoriais nao-rotacionadas e an


alise de fatores comuns para as vari
aveis do IDM

Tabela 12 Resultados da matriz de cargas rotacionadas para o IDM

Tabela 13 Tabulacao do IDM para os municpios paranaenses

. . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Tabela 14 Ranking dos 10 maiores IDMs dos municpios paranaenses

viii

. . . . . . . . . . . . . . . . . . . . . . 35

. . . . . . . . . . . . . . . . . . . . 37

Tabela 15 Limiares m
aximos e mnimos para as vari
aveis do IDI

aveis do IDI
Tabela 16 Resultados do teste KMO para as vari

Tabela 17

. . . . . . . . . . . . . . . . . . . . . . . . . . 37

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

Matriz de cargas fatoriais nao-rotacionadas e an


alise de fatores comuns para as vari
aveis do IDI

Tabela 18 Resultados da matriz de cargas fatoriais rotacionadas para o IDI

Tabela 19 Ranking dos 10 maiores IDIs dos municpios paranaenses

. . . . . . . . . . . . . . . 38

. . . . . . . . . . . . . . . . . . . . . 39

Tabela 20 Ranking dos 10 maiores IDMPEs no estado do Paran


a em 2009.

. . . . . . . . . . . . . . 40

Tabela 21 Resultados do teste de adequacao amostral de KMO para o modelo proposto

Tabela 22 Resultados do teste KMO com exclus


ao de vari
aveis

. . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Tabela 23 Resultados finais do teste KMO e vari


aveis selecionadas para AF

. . . . . . . . . . . . . . 56

alise de fatores comuns para o modelo a simular


Tabela 24 Matriz nao rotacionada e an

Tabela 25

. . . 55

. . . 56

Resultados da matriz fatorial rotacionada para as vari


aveis do modelo a simular

Tabela 26 Organizacao das vari


aveis nas componentes no modelo proposto

57

. . . . . . . . . . . . . . . 58

Tabela 27 Ranking dos maiores municpios em cada componente do modelo proposto

. . . . . 59

Tabela 28 Cen
ario construdo a partir dos resultados gerados pelo indicador proposto

. . . . . 60

Tabela 29

C
alculos do teorema de Bayes, para a revis
ao das probabilidades do cenario proposto

ario para IDMS com probabilidades revistas via Teorema de Bayes


Tabela 30 Cen

ix

. . . . . . . . . 64

63

Tabela 31

Ranking ordenado por maiores IDMPEs no estado do Paran


a com dados de 2009

Tabela 32

Continua: Ranking ordenado por maiores IDMPEs no estado do Paran


a com dados de 2009

76

Tabela 33

Continua: Ranking ordenado por maiores IDMPEs no estado do Paran


a com dados de 2009

77

Tabela 34

Continua: Ranking ordenado por maiores IDMPEs no estado do Paran


a com dados de 2009

78

Tabela 35

Continua: Ranking ordenado por maiores IDMPEs no estado do Paran


a com dados de 2009

79

Tabela 36

Continua: Ranking ordenado por maiores IDMPEs no estado do Paran


a com dados de 2009

80

Tabela 37 Ranking dos maiores indicadores propostos (IDMS) no estado do Paran


a

75

. . . . . . . 81

Tabela 38

Continua: Ranking dos maiores indicadores propostos (IDMS) no estado do Paran


a

82

Tabela 39

Continua: Ranking dos maiores indicadores propostos (IDMS) no estado do Paran


a

83

Tabela 40

Continua: Ranking dos maiores indicadores propostos (IDMS) no estado do Paran


a

84

Tabela 41

Continua: Ranking dos maiores indicadores propostos (IDMS) no estado do Paran


a

85

Tabela 42

Continua: Ranking dos maiores indicadores propostos (IDMS) no estado do Paran


a

86

Lista de Siglas

IDH-M

Indice de Desenvolvimento Humano Municipal

SNI

Sistema Nacional de Inovacao

OCDE

Organizacao para Cooperacao e Desenvolvimento Economico

MPOG

Ministerio do Planejamento, Orcamento e Gestao

Sebrae

Servico Brasileiro de Apoio `as Micro e Pequenas Empresas

IBQP

Instituto Brasileiro da Qualidade e Produtividade

ID-MPE

Indice de Desenvolvimento Municipal das Micro e Pequenas Empresas

IDE

Indice de Desenvolvimento Empresarial

IDM

Indice de Desenvolvimento Mercadologico

IDI

Indice de Desenvolvimento Institucional

CBOs

Classificacao Brasileira de Ocupacoes

PDM

Plano Diretor Municipal

PCA

Principal Components Analisys

AF

Analise Fatorial

AEDE

Analise Exploratoria de Dados Espaciais

SQR

Soma dos Quadrados dos Resduos

PIB

Produto Interno Bruto

LISA

Local Indicators of Spatial Association

POE

Perda de Oportunidade Esperada

VE

Valor Esperado

ACE

Agent Based Computational Economics

xi

Sum
ario

........................................................
1 INTRODUC
AO

2 DESENVOLVIMENTO EMPRESARIAL E DESENVOLVIMENTO ECONOMICO


2.1

O processo competitivo e de mudanca organizacional no modelo evolucionista . . . .

2.2

Conceitos, principais componentes e articulacao do SNI na perspectiva evolucionista

2.3

Espacialidade do desenvolvimento economico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4
5
7

3 O Indice Sebrae de Desenvolvimento Municipal das MPEs (ID-MPE) . . 11


3.1

Os subndices do ID-MPE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

Vari
aveis do IDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Vari
aveis do IDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Vari
aveis do IDI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2

A Construcao do ID-MPE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.3

Mapeamento e Analise Espacial do ID-MPE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

3.4

Resultados do ID-MPE PR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3.4.1

Resultados para o IDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3.4.2

Resultados para o IDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

3.4.3

Resultados para o IDI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

3.4.4

Resultados para o ID-MPE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

3.4.5

Resultados da Analise Espacial para o IDMPE PR . . . . . . . . . . . . . . . . . . . . . . . . . 42

4 Modelo de Simulac
ao com AF para o Indice de Desenvolvimento Empresarial 46
4.1

AF, Construcao de Cenarios e Simulacao de Monte Carlo . . . . . . . . . . . . . . . . . . . . . 46

4.2

Analise e discussao dos resultados simulados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.2.1

Resultados para a construcao dos Cenarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59


xii

4.2.2

Resultados da Simulacao dos Cenarios via Monte Carlo . . . . . . . . . . . . . . . . . . . . . 61

5 CONSIDERAC
OES
FINAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
Refer
encias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
ANEXOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

APENDICE
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Analise de Componentes Principais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Analise Fatorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Analise de Fatores Principais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Rotacao Fatorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
Formas de Rotacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Escores fatoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Estimativas dos escores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

xiii

INTRODUC
AO
As dificuldades em buscar uma medida sintetica que reflita o ritmo do desenvolvi-

mento empresarial carece de estudos aprofundados que orientem os planos, acoes e metas dos
policy makers. Polticas voltadas ao desenvolvimento focadas em resultados necessitam de
parametros para nortear sua efetividade. A construcao de indicadores sao u
teis para gestao
p
ublica, instituicoes governamentais e nao-governamentais e micro e pequenos empresarios.
Programas de desenvolvimento e promocaoo social, por exemplo, utilizam como
referencia para destinacao de seus recursos (escala de prioridade) e monitoramento de seus
resultados, o IDH Indice de Desenvolvimento Humano da Organizacao das Nacoes Unidas
(ONU), Indice FIRJAN de Desenvolvimento Municipal, nos Indices de Competitividade
elaborados pelo World Economic Forum, o BCI (Business Competitiveness Index ) elaborado
por Michael Porter desde 2001 e o GCI (Global Competitiveness Index) elaborado por Sala i
Martin, desde 2004; e no ICE F Indice de Competitividade Estadual Fatores, elaborado pela
FEE/RS (Fundacao Estadual de Estat
ystica) e Movimento Brasil Competitivo, em 2006.
A criacao de um ndice de desenvolvimento empresarial tem como proposito orientar as estrategias e polticas locais de promocao economica, diagnosticando as condicoes
favoraveis a implantacao e crescimento dos pequenos negocios locais.
Baseado na construcao do IDH-M ndice de desenvolvimento que procura expressar
o objetivo do desenvolvimento, de alargar as possibilidades de escolha das pessoas, atraves
da ampliacao de suas capacidades, a construcao de uma medida que busque refletir o desenvolvimento empresarial deve se mostrar capaz que reconhecer a complexidade inerente a este
processo, como a dinamica competitiva, surgimento de inovacoes e mudancas no ambiente
institucional, governamental e social.
Vale ressaltar que a quantificacao ou avaliacao do ambiente de negocios atraves de
uma medida sintetica deve ser capaz de reconhecer a cadeia de complexidade inerente ao
ambiente em que se inserem e que se mostre capaz de fornecer acessibilidade e flexibilidade
aos gestores que as desenham de modo que seja possvel e viavel de se simular a cada mudanca
e adaptabilidade dos agentes no meio ou habitat.
Neste sentido, fazendo-se largo uso de base de dados secundarios de domnio p
ublico
constroem-se variaveis que busquem refletir o desenvolvimento atraves do ambiente de negocios
com o auxlio da metodologia de analise fatorial combinada com analise espacial e gerenciamento de cenarios para direcionar o processo de tomada de decisao.

A exploracao das conexoes conceituais e teoricas a cerca das discussoes que buscam conectar o desenvolvimento empresarial, com o desenvolvimento local e competitividade concedem a essencia de medidas que busquem diagnosticar o ambiente de negocios
em nvel municipal e nunca deixando de fora a visao macro com o intuito de verificar as
(des)concentracoes/bolsoes de desenvolvimento empresarial e a identificacao do mimetismo
presente em tais fenomenos. Assim, no primeiro captulo sao revistos alguns pensamentos presentes na linha teorica do desenvolvimento economico como os conceitos iniciais de
desenvolvimento e suas diferentes perspectivas, seguido de uma discussao a respeito do processo competitivo e de mudanca organizacional no modelo evolucionista, passando por uma
secao seguintes enfatizando o aspecto institucional e em seguida a questao da espacialidade
do desenvolvimento economico mencionando alguns extratos presentes na teoria do desenvolvimento endogeno. Assim, faz-se mister na expectativa de que regioes/municpios, como
capitais, polos produtivos e regioes metropolitanas atinjam valores elevados da escala de
gradacao dos indicadores considerando que a maior parcela dos empreendimentos brasileiros
se caracterizam como micro e pequenos, totalizando 5.786.696 unidades sendo que destes
cerca de 1.372.627 estao situados na regiao sul do pas e outros 463.994 dentro do estado
do Parana. (MPEdata apud RAIS, 2009 (67)) e reforcando o chamado processo que gera a
ordem de tamanho das cidades discutida por Fujita, Krugman e Venables (2002) (32).
No captulo posterior discutimos quais as principais tentativas de obtencao destas
medidas, dando especial destaque ao estudo de caso presente no IDMPE elaborado inicialmente pelo IBQP e Sebrae Parana. Em seguida, no pen
ultimo captulo desta dissertacao
propomos um modelo de simulacao atraves da geracao de cenarios combinando-os varias
vezes atraves do metodo de Monte Carlo e finalmente sao descritas as principais conclusoes
do trabalho, apontando algumas das limitacoes dos modelos empregados e dos novos rumos
e possibilidades de aprofundamentos cientficos.

DESENVOLVIMENTO EMPRESARIAL E

DESENVOLVIMENTO ECONOMICO
Nao e a adaptacao bem sucedida a um dado ambiente que constitui o mais notavel
formador da vida, mas a teia de processos ecol
ogicos em um sistema ambiental que
forma os padr
oes psicol
ogicos e comportamentais, os quais podem apoiar-se na
genetica. A evoluca
o acontece n
ao como resposta `
as exigencias da sobrevivencia,
mas como um jogo criativo e necessidade cooperativa de um universo todo ele
evolutivo. (Lemkow, 1990 p. 183) (47)

Se olharmos genericamente ao termo desenvolvimento, percebemos que sao essencialmente duas perspectivas desse tema que tem se destacado: o crescimento economico e a
melhoria social. A primeira perspectiva se traduz em cifras: producao, lucro, arrecadacao;
enquanto a segunda enfoca a inclusao das pessoas: sua qualidade de vida, sa
ude, educacao,
etc.
certo, que a segunda perspectiva tem tomado proporcoes maiores mais recenE
temente, visto que, o crescimento economico foi por muito tempo a grande prioridade da
maioria dos projetos de desenvolvimento. Entretanto, a prioridade era esta, por que todos
acreditavam que em conseq
uencia ao crescimento economico viria o bem estar social (Sen,
2000) (70).
A linha adotada pelo Sebrae (2008) (59) no estado do Parana para construir a
medida do desenvolvimento empresarial resume um lado da moeda onde o ambiente
de negocios seria o u
nico indutor da evolucao empresarial e o conceito de competitividade
empresarial estaria embutido dentro do conceito de desenvolvimento na linha defendida por
Francisco Albuquerque onde a competitividade dependeria de tres tipos de acoes: aquelas
desenvolvidas no interior das empresas, `aquelas realizadas junto a sua rede de empresas
(clientes e fornecedores) e `aquelas orientadas para a formacao de um entorno propcio para
o acesso aos servicos e insumos de apoio `a competitividade, que esta se realize nos mercados
locais ou internacionais. Albuquerque (2001, p. 49) (1)
Diante da globalizac
ao dos mercados e das estruturas produtivas, a competitividade e um fator fundamental para a sobrevivencia empresarial. A
competitividade est
a ligada a fatores como a produtividade, a inovac
ao de
produtos e processos produtivos no
ambito da firma. Mas a competitividade
n
ao deve ser percebida como uma quest
ao estritamente microecon
omica,
condic
oes internas da firma. Cada vez mais percebe-se a competitividade
n
ao como um desafio isolado, mas como um fator sistemico, ou seja, como
resultado de condic
oes internas combinadas com condico
es externas, que
favorecam o crescimento da produtividade e da inovac
ao empresarial. Sebrae (2009, p. 10) (59)

Todavia, o que veremos adiante confronta com os requisitos de um bom indicador e


com a disponiblidade de informacoes ou dados precisos que possibilitem uma quantificacao
destes quesitos descritos na citacao acima. Nas bases de dados p
ublicas secundarias, as informacoes disponveis dizem respeito ao mercado formal de trabalho (com pouca segregacao
das micro e pequenas empresas) e ademais, na esfera municipal a desagregacao para informacoes a respeito de variaveis que reflitam infra estrutura de comunicacao ou surgimento
de inovacao nas empresas parece distante no sistema de estatsticas brasileiro.
Na perspectiva de autores de inspiracao neo-schumpeteriana a enfase do desenvolvimento economico (e empresarial) parece estar mais ligada ao avanco tecnologico, paradigmas
e trajetorias tecnologicas baseada em mudancas tecnico-economicas que implicam em uma
combinacao entre de inovacao tecnologica, produto, processo e gestao.
O processo de difusao de tecnologia seja ela adaptativa e/ou incremental procurando
tambem explicar como se desenvolve o processo competitivo e de mudanca da organizacao industrial no modelo evolucionista, abordando as mudancas no ambiente economico que levam
a inovacao, os aspectos da teoria da hereditariedade neo-shumpeteriana evolucionista, onde
tambem e abordado o comportamento de grandes organizacoes e atores de uma economia
global.
A partir de uma economia competitiva integrada, os autores discutem o conceito de
SNI (Sistema Nacional de Inovacao), bem como a importancia de seus componentes e formas
de articulacao. A inovacao tecnologica que fomenta a transformacao do conhecimento em
produtos, processos e servicos torna-se cada vez mais importante para o desenvolvimento
socio-economico dos pases. De acordo com Freeman (1995)1 (30): Quando a inovacao
torna-se radical, torna-se importante a variedade institucional e o aprendizado local. Nessa
abordagem, as polticas nacionais passam a enfatizar as interacoes entre as instituicoes que
participam do amplo processo de criacao do conhecimento e da sua difusao e aplicacao.

2.1 O processo competitivo e de mudanca organizacional no modelo


evolucionista
A analise do desenvolvimento do processo competitivo concomitantemente `a trajetoria de mudancas na organizacao industrial no modelo evolucionista, segundo Dosi (1998) (21)
abrange as mudancas no ambiente economico, sendo estas caractersticas do sistema que
constantemente sao estimuladas pelo simples processo tecnico ao longo de uma trajetoria
tecnologica. Pode-se entender que essas mudancas sao atividades tecnologicas normais no
1

O autor define SNI como um sistema que envolve as entidades governamentais, universidades, institutos
de pesquisa e empresas, com o objetivo de obter inovaco
es em produto ou mesmo em processo. (30)

processo. Ja os esforcos tecnologicos extraordinarios estao relacionados com a busca de novas


direcoes tecnologicas, tais esforcos aparecem a partir de novas oportunidades abertas por desenvolvimentos cientficos e/ou por dificuldades enfrentadas diante uma direcao tecnologica
por razoes tecnologicas ou economicas, ou ambas.
Para uma melhor compreensao de como se desenvolve o modelo evolucionista devemos considerar `a luz de Nelson & Winter (1982) (50) aspectos da teoria neo-shumpeteriana
da hereditariedade na economia. Este modelo compara elementos economicos aos genes da
biologia. Sendo que o papel do gene biologico e comparado `as rotinas seguidas pelos agentes
economicos e da colecao de ativos de que a firma dispoe.
Nelson & Winter (1982) (50) resumem outros aspectos fundamentais `a evolucao da
firma, sendo que a rotina e o repertorio sao tarefas cotidianas de uma organizacao neoshumpeteriana.
Partindo desse ponto de vista, observa-se que o modelo evolucionista esta fadado ao
surgimento e ao desenvolvimento de organizacoes multinacionais que atuam sistemicamente
em um cenario globalizado e integrado. Neste sentido, Freeman (1995) (30) exemplifica que
o desenvolvimento de grandes corporacoes com economias de escala e com possibilidades
de distribuicao e comercializacao de seus produtos e servicos no ambito mundial, se utiliza
de diferentes localizacoes para a realizacao do processo de producao e venda padronizando
seus produtos. O autor elucida que a padronizacao da producao pode ser considerada irreal
considerando as dificuldades encontradas para padronizar normas tecnicas em diversas areas
do sistema produtivo.

2.2 Conceitos, principais componentes e articulacao do SNI na perspectiva evolucionista


A inovacao tecnologica que fomenta a transformacao do conhecimento em produtos, processos e servicos torna-se cada vez mais importante para o desenvolvimento socioeconomico dos pases. De acordo com Freeman (1995)2 (30): Quando a inovacao torna-se
radical, torna-se importante a variedade institucional e o aprendizado local. Nessa abordagem, as polticas nacionais passam a enfatizar as interacoes entre as instituicoes que participam do amplo processo de criacao do conhecimento e da sua difusao e aplicacao.
A teoria evolucionista destaca a nao-linearidade e a instabilidade das mudancas
tecnologicas como fontes da variedade e complexidade da dinamica economica, em vez de
entende-las como fenomenos transitorios e perturbadores, como o faz a teoria neoclassica.
2
O autor define SNI como um sistema que envolve as entidades governamentais, universidades, institutos
de pesquisa e empresas, com o objetivo de obter inovaco
es em produto ou mesmo em processo. (30)

O enfoque evolucionario trata a mudanca economica como um processo irreversvel,


em que o tempo e a dinamica complexa desempenham um papel essencial na compreensao
da mesma.
Dentro da abordagem da teoria evolucionaria do desenvolvimento tecnologico, existem evidencias empricas que sugerem que a dinamica da inovacao, base do processo de
transformacao economica, depende nao so dos recursos destinados para esse fim, mas, sobretudo, do processo de aprendizagem e da difusao da tecnologia. Nas palavras de Campos
(2003) (12):
O desenvolvimento do conceito de Sistema Nacional de Inovac
ao pressup
oe, ainda, uma abordagem te
orica distinta da ortodoxia econ
omica. A
unidade de an
alise e a firma inovadora, definida como uma organizac
ao
ativa, bastante distinta da firma representativa dos modelos de equilbrio
geral. A firma inovadora, buscando a realizac
ao de lucros, atua com racionalidade restrita (ou limitada), utilizando-se de rotinas e mecanismos de busca,
adotando estrategias e tecnologias que ser
ao (ou n
ao) sancionadas por
mecanismos de selec
ao tanto mercantis quanto s
ocio-institucionais. (apud
Perez, 1986).

A base da aprendizagem esta no conhecimento que, por esse enfoque, pode ser classificado como: universal ou especfico, articulado ou tacito e p
ublico ou privado. (Dosi,1988) (21)
Nos Sistemas Nacionais de Inovacao os processos passados (no sentido dos caminhos
escolhidos para a dinamica da inovacao) tendem a influenciar o presente. Essa caracterstica
e conhecida como dependencia de caminhos e e percebida pela dinamica das trajetorias
tecnologicas. Alem disso, mesmo apresentando um alto grau de especificidades nacionais os
sistemas podem ter uma multiplicidade de configuracoes institucionais estaveis.
Contextualiza Freeman (1998) (30) que em inovacoes radicais corporacoes multinacionais apresentam papel fundamental, no sentido de difusao de equipamentos especializados
e habilidades para novas localizacoes estimulando e organizando o processo de aprendizagem.
Essas empresas tem condicoes de efetivar contratos de transferencia de tecnologias com seus
concorrentes e de formar joint-ventures em qualquer lugar que julgar conveniente. Assim
sendo a guerra de incentivos entre governos e desencadeada no sentido de atrair o fluxo de
investimento e transferencia de tecnologia que tais empresas sao capazes.
O n
umero de estados possveis de equilbrio ap
os uma transic
ao e maior ou
igual ao que existia antes da transic
ao. Por isso, ainda que o estado padr
ao
inicial de equilbrio seja u
nico, levando a uma configurac
ao institucional
particular, o n
umero de estados est
aveis poder
a ser maior que um ap
os
a transic
ao. Essa propriedade e chamada de estabilidade m
ultipla e p
ode
ser percebida pelos diagramas de bifurcac
ao apresentadas pela din
amica do
modelo quando a taxa de inovac
ao bruta for considerada no intervalo entre
i = 2 e i = 2,5. (Campos e Costa, 1998) (13)

Ha, finalmente, irreversibilidades na dinamica apresentada pelas mudancas tecnologicas nos Sistemas Nacionais de Inovacao presente na impossibilidade de volta a um
paradigma tecnico anterior. Essa irreversibilidade e resultante das modificacoes causadas
no ambito economico, social e institucional pela adocao de uma dada trajetoria tecnologica.
Assim, os agentes economicos individuais ao explorarem o ambiente tecnologico (e conseq
uentemente o economico) existente, sob incerteza, acabam por transforma-lo contnua e
irreversivelmente.
O governo brasileiro estabelece atraves da Lei 10.933 (Anexo I, Orientacao Estrategica de Governo, 2008) (45) tres prioridades para enfrentar a necessidade de consolidacao e articulacao do SNI:
a utilizacao/difusao da ciencia e da tecnologia para a melhoria da qualidade de vida
da populacao nesta e nas proximas geracoes;

o desenvolvimento das potencialidades regionais;


a intensificacao da pesquisa e da inovacao no setor privado.
Dentro deste escopo, Campos (2003) (12) elucida muito bem a articulacao do SNI,
pelas inter-relacoes entre agentes e instituicoes capazes de determinar o poder e a eficiencia
da producao, bem como o uso e difusao de novos conhecimentos, marcando o estado de
desenvolvimento tecnologico da nacao.
As ligac
oes entre essas unidades s
ao feitas atraves de:
a) Fluxos financeiros provenientes de fundos p
ublicos e privados;
b) Ligac
oes legais e polticas como as regras de propriedade intelectual, determinac
ao de padr
oes tecnicos e polticas nacionais de promoc
ao, geralmente coordenadas pelas unidades estatais;
c) Fluxos tecnol
ogicos, cientficos e de informac
ao que direcionam o mercado domestico;
d) E finalmente, fluxos sociais como o deslocamento de pessoal, que ocorre
n
ao s
o das universidades para as ind
ustrias como tambem de firmas para
firmas.

2.3 Espacialidade do desenvolvimento economico


Existem pelo menos tres dimensoes historicas tpicas do conceito de desenvolvimento: 1. aquele desenvolvimento entendido como evolucao de um sistema capaz de produzir
bens e servicos com elevada produtividade; 2. o desenvolvimento entendido como grau de
satisfacao de necessidades humanas elementares (habitacao, transporte, sa
ude, alimentacao);

3. o desenvolvimento como consecucao de objetivos dos grupos dominantes, ditando o tipo


de desenvolvimento a que se quer chegar.
A teoria do desenvolvimento endogeno emergiu nas decadas de 1970 e 1980, quando
economistas comecaram a dar enfase ao crescimento economico de determinadas regioes.
Diante dos desnveis regionais, os estudiosos foram atras dos porques. Em sua concepcao a
teoria do desenvolvimento endogeno possui varias definicoes e propostas, porem a ideia mais
moderna se baseia na elaboracao e execucao de polticas de fortalecimento e melhorias na
estrutura interna da regiao, gerando condicoes sociais e economicas capazes de proporcionar
um maior desenvolvimento, estimulando os fatores internos (como novas atividades produtivas, por exemplo, ou entao fortalecendo `aquelas que, tradicionalmente, sao fortes no interior
de cada regiao). As modificacoes ocorridas nos processos produtivos do seculo XX, desde os
anos 1980 e, com mais forca, nos anos 1990, aliadas ao persistente declnio de regioes fortemente industrializadas, e a rapida ascensao economica de novas regioes, forcaram profundas
transformacoes nas teorias e polticas de desenvolvimento regional. Os desequilbrios regionais preexistentes e outros, advindos da reorganizacao produtiva internacional, passaram a
ser estudados sob duas categorias analticas distintas: a sustentabilidade e a endogenia.
Empiricamente, vem se registrando reconfiguracoes importantes na geografia economica
dos pases industrializados, com regioes tradicionalmente manufatureiras apresentando sinais
graves de declnio, enquanto outras demonstram continuada vitalidade para manter, ou
mesmo ampliar, suas capacidades. E mais: apresentam-se novas regioes industriais com
vitalidade difcil de presumir ha apenas algumas decadas. (Fugita, Krugman e Venables,
2002) (32)
Por outra parte, tem-se evidenciado que tal redesenho do espaco por dinamicas
economicas assenta-se sobre bases estruturais diversas - e, em muitos casos, inesperadas
por uma perspectiva tradicional - que resultaram, por vezes, de estrategias empresarias
orientadas fundamentalmente em economias de escala que requerem (e produzem) cenarios
dominados por grandes empresas ou conglomerados com unidade de direcao; por vezes,
de estrategias onde a eficiencia das unidades produtivas depende menos (ou mesmo nao
depende) do tamanho de cada uma e mais da sua rede de relacoes, tanto cooperativas
quanto competitivas, situacoes em que as economias de escala emergem da atuacao de um
sem n
umero de pequenas unidades independentes, nao obstante disporem, em algum nvel,
de mecanismos institucionais de orientacao e acao (Amaral, 2001) (5).
Com a aglomeracao empresarial temos a concentracao populacional, ponto ainda
controverso na ciencia regional conforme enfatizam Fujita, Krugman e Venables (2002, p.
247) (32)

9
Neste ponto n
ao temos resoluc
ao para a explicac
ao da admir
avel regularidade na distribuic
ao dos tamanhos das cidades. Devemos reconhecer que
isto nos prop
oe um verdadeiro desafio intelectual para nossa compreens
ao
das cidades, em pelo menos duas maneiras. A primeirae que ate este ponto
ninguem criou uma hist
oria plausvel sobre o processo que gera a regra de
ordem de tamanho, apesar da an
alise inicial de Simon e de suas variac
oes
posteriores fornecerem algumas ideias sobre o tipo de processo que pode
estar envolvido. Mas tambem existe um assunto mais profundo: os modelos estoc
asticos que foram propostos, todos dependem fundamentalmente
da suposic
ao de retornos constantes em relac
ao ao tamanho da cidade, tal
que a taxa de crescimento esperada em uma cidade seja independente de
seu tamanho. Contudo, todos os modelos econ
omicos existentes de cidades
envolvem retornos que s
ao tudo, menos constantes. Em vez disso, eles envolvem um cabo de guerra entre retornos crescentes e retornos decrescentes,
que, para qualquer tipo determinado de cidade (...) determina um tamanh
caracterstico. Talvez haja alguma maneira que n
ao compreendemos atualmente de reconciliar a tens
ao entre as forcas centrpetas e centrfugas que
acreditamos determinarem os tamanhos das cidades, em nvel micro, e a
din
amica de como se houvesse retornos constantes, que parece se aplicar
em nvel macro. Esperamos que pesquisas futuras resolvam este quebracabecas.

A literatura da ciencia regional menciona as desigualdades regionais como ponto de


incio no papel da geografia economica, atrelados `as possibilidades do desenvolvimento.
Tais realidades tem revalorizado a abordagem espacialmente referida. E, mais importante, tem permitido aflorar proposicoes instrumentadas nas possibilidades heursticas da
nocao de auto-organizacao, fundamento dos paradigmas de nao-linearidade na evolucao dos
sistemas complexos. Com utilizacao crescente pelos cientistas naturais nas u
ltimas decadas,
as abordagens complexas e nao lineares tem sido comumente evitada pelos economistas. Recentemente, contudo, e notavel a atencao que tem despertado conceitos como os de desenvolvimento endogeno e desenvolvimento dependente de trajetoria, snteses de um esforco
que incorpora tanto o aparato formal que vem sendo trabalhado pelos cientistas de outras
areas, quanto os enunciados complexos sobre desenvolvimento feitos por notaveis economistas do passado, ate entao nao formalizados.
Um grande avanco da moderna teoria regional endogena e considerar a importancia
da sociedade e das relacoes sociais no processo de desenvolvimento da regiao. Mais do que
isso, na visao de Boisier (1997) (9), a sociedade civil, e nela compreendida as formas locais
de solidariedade, integracao social e cooperacao, pode ser considerada o principal agente da
modernizacao e da transformacao socio-economica em uma regiao.
A importancia da sociedade civil e das relacoes sociais e, com a mesma enfase,
defendida por outros pesquisadores do desenvolvimento endogeno. Uma das chaves do
desenvolvimento local reside na capacidade de cooperacao entre seus atores. Tambem e conveniente particularizar a analise das formas de cooperacao institucional ou volunt
aria que se

10

produzem entre eles contanto que o objetivo seja o desenvolvimento local. (Godard et alli,
1987, p. 139) (35).
Barquero (1988) (6), argumenta que o desenvolvimento regional endogeno, ao considerar e dar relevancia `a sociedade civil local e aos seus processos de organizacao e relacao
social permite que a regiao atinja um crescimento equilibrado e sustentado no longo prazo,
sem entrar em conflito direto com a base social e cultural da regiao. Normalmente a forte
identidade da cultura local tende a assimilar as novas realidades produtivas e os novos esquemas de relacoes sociais, e os novos valores encontram um eco favoravel nas zonas de
desenvolvimento local. Desta feita, tendem a integrar-se com um mnimo de custos sociais e
culturais, ja que sao respostas viaveis aos problemas locais.
As atividades industriais se integram na vida social e cultural local, incorporando
novos valores que desenvolvem e potenciam os antigos, sem criar um certo conflito e contradicoes no processo de adaptacao (Barquero, 1988 p. 90) (6). O destaque dado aqui para
a importancia da sociedade civil nao esta inserido no debate da relacao entre a sociedade
e o Estado, sua maior ou menor participacao, ou entre a sociedade e o mercado. Baseado
em um enfoque distinto, trata-se da compreensao de que o desenvolvimento regional esta
diretamente ligado `as caractersticas da organizacao social e das relacoes cvicas encontradas
na regiao.

11

O Indice Sebrae de Desenvolvimento Municipal


das MPEs (ID-MPE)
Queremos nos desculpar coletivamente por haver confundido o p
ublico instrudo
em geral, fazendo-os acreditar em ideias sobre o determinismo de sistemas que
satisfazem as leis de movimento de Newton, as quais, a partir de 1960, foi provado
serem incorretas. Coveney, P. & Highfeld, R., A Flecha do Tempo, p. 242

Dentro do conceito de competividade abordado no referencial teorico [secao 2] a


linha adotada pelo Sebrae Parana seguindo o pensamento de Albuquerque (2001) (1) pautase em tres tipos de acoes: aquelas desenvolvidas no interior das empresas, `aquelas realizadas
junto a sua rede de empresas (clientes e fornecedores) e `aquelas orientadas para a formacao
de um entorno propcio para o acesso aos servicos e insumos de apoio a` competitividade,
que esta se realize nos mercados locais ou internacionais.
A partir da construcao do IDH, buscar-se-`a construir um indicador que capte, em
certa medida, o ambiente dos negocios em ambito municipal para direcionar de forma mais
eficaz a gestao p
ublica no processo de tomada de decisao e plano de acao.
Conforme a OCDE (2002, apud MPOG, 2010) (65) um bom indicador possui alguns
requisitos, como a relevancia para a formulacao de polticas, a adequacao `a analise e a
mensurabilidade, ilustrados no diagrama abaixo:

Figura 1: Requisitos de um bom indicador


Fonte: OCDE (2002, apud MPOG, 2010) (65), com adaptacoes do autor.

12

No estado do Parana, o Sebrae em parceria com o IBQP elaboraram o ID-MPE


(Indice de Desenvolvimento Municipal das Micro e Pequenas Empresas) orientada pelo tripe
do que se enquadraria numa melhor aproximacao baseada em fontes de dados secundarias
refletindo,em certa medida, os seguintes macroambientes mensurados pelos tres subndices:
IDE Indice de Desenvolvimento Empresarial;
IDM Indice de Desenvolvimento Mercadologico;
IDI Indice de Desenvolvimento Institucional;
As variaveis que construiram cada um destes subndices pode ser melhor visualizada
na figura abaixo que elucida como cada uma destas variaveis foram construdas

Figura 2: Estrutura do ID-MPE


A media aritmetica simples dos tres subndices1 resulta no ID-MPE municipal,
atingindo o objetivo de prover o diagnostico e monitoramento do Ambiente Institucional
e Empresarial dos Estados e Municpios, que favoreca o desenvolvimento local com base nas
Micro e Pequenas Empresas, por meio de um ndice sintetico para medir e captar a melhoria
do ambiente de negocios, com vistas a subsidiar o Programa de Desenvolvimento Local com
base na Lei Geral da MPE.
A Lei Geral tem como proposito o incentivo `a criacao, manutencao, regulamentacao
e expansao das MPEs. Para isso preve instrumentos de inclusao e formalizacao de pequenos
1

Este criterio fora adotado com a finalidade de simplificacao no que diz respeito a replicacoes futuras e
comparativos espaco-temporais.

13

negocios, de simplificacao e desoneracao tributaria, de estmulo ao credito e `a capitalizacao,


de associativismo e representatividade, de ampliacao de mercado pelas compras governamentais, de acesso `a inovacao, ou seja, tornar o ambiente mais favoravel aos pequenos negocios.
Cada uma das dimensoes contempladas pelos subndices tem como objetivos principais:
Ambiente Empresarial: Busca englobar o clima de negocios que favoreca a criacao

de novos empreendimentos formais e a sobrevivencia e expansao das empresas instaladas. A captacao do ambiente empresarial ocorre por medidores de resultado, ou
seja, indicadores que avaliam sobretudo a dinamica empresarial do municpio, como
a criacao e sobrevivencia de empresas, a dimensao e evolucao dos negocios e o empreendedorismo.

Ambiente do Mercado Consumidor: em geral e na media, a micro e pequena


empresa tem como mercado principal o municpio ou o bairro onde opera. Sao produtos
e servicos que atendem ao mercado local. Assim, a importancia do mercado consumidor
local e destacada por variaveis que procuram captar sua dimensao e sua dinamica, com
destaque a dimensao da renda pessoal, da massa de salarios, da populacao e a evolucao
do emprego, dos salarios e renda.
Ambiente Institucional: nessa dimensao procura-se captar algumas condicoes previas
e relevantes do entorno municipal que criam as condicoes favoraveis ao desenvolvimento
e competitividade das MPE, como a oferta de infraestrutura, a qualidade da educacao,
a participacao da ciencia e tecnologia, a capacidade de investimento p
ublico, o associativismo e os mecanismos legais de apoio a atividade economica.

3.1 Os subndices do ID-MPE


A seguir, cada subndice sera esmiucado com maior detalhe nas suas variaveis constituintes:

Variaveis do IDE
Nesta secao sao descritas as variaveis que compoem cada subndice conforme metodologia adotada pelo Sebrae e IBQP (2009) (59).
Cria
c
ao de empresas (Taxa de criac
ao de estabelecimentos)
avel mede quantos estabelecimentos
De acordo com Sebrae (2009, p. 72 (59)) esta vari
formais foram criados no municpio de um ano em relacao ao ano anterior.

14

Os procedimentos para sua construcao sao os seguintes:


Variavel bruta: no total de estabelecimentos com no de vnculos maior que zero (Fonte:
RAIS) para o municpio i.
Procedimento:

Taxa de criacao de estabelecimentosi =

(vari
avel bruta em t vari
avel bruta em t 1)
(vari
avel bruta em t+ vari
avel bruta em t 1)/2
(3.1)

Sendo que t denota o u


ltimo dado disponvel na fonte procurada e que atenda ao
requisito de mesma periodicidade das demais variaveis componentes do ID-MPE e o
sobrescrito i o iesimo municpio para o qual a variavel e construda.
Sobreviv
encia de empresas (Taxa de inatividade)
uma proporc
E
ao que mede a quantidade de estabelecimentos sem
vnculos empregatcios (inativos) sobre a quantidade total de estabelecimentos. (Sebrae, 2009 p. 72 (59))

O procedimento e o que segue:


Variavel bruta: no de estabelecimentos com no de vnculos igual a zero (Fonte: RAIS).
Procedimento:

Taxa de inatividadei =

Vari
avel bruta em t
n
umero total de estabelecimentos em t

(3.2)

Volume dos neg


ocios
Representa a soma dos bens e servicos finais produzidos no municpio, deflacionados para o ano base. (Sebrae, 2009 p. 72 (59))

Variavel bruta: PIB Municipal - R$ de 2000(mil) - Deflacionado pelo Deflator Implcito


do PIB nacional (Fonte: IPEADATA).
Procedimento:

Volume de Neg
ocios = log da vari
avel bruta em t

(3.3)

Expans
ao dos neg
ocios (Taxa de crescimento do PIB municipal
a variac
E
ao do PIB real de um ano em relac
ao ao ano anterior.
(Sebrae, 2009 p. 72 (59))

15

Variavel bruta: PIB Municipal - R$ de 2000(mil) - Deflacionado pelo Deflator Implcito


do PIB nacional (Fonte: IPEADATA (40)).
Procedimento:

Expansao dos Neg


ocios = taxa de crescimento da vari
avel bruta =
ln(vari
avel bruta em t)-ln(vari
avel bruta em t 1)

(3.4)

Variaveis do IDM
Taxa de Cria
c
ao de empregos
Mede quantos empregos formais foram criados no municpio de um ano em relacao
ao ano anterior. (Sebrae, 2009 p. 72 (59))
Variavel bruta: No total de vnculos empregatcios (Fonte: RAIS).
Procedimento:

Taxa de Criacao de Empregos =

(vari
avel bruta em t vari
avel bruta em t 1)
(vari
avel bruta em t+ vari
avel bruta em t 1)/2

(3.5)

Dimens
ao da massa salarial
a soma das remuneracoes pagas pelos estabelecimentos formais do municpio. (SeE
brae, 2009 p. 72 (59))
Variavel bruta: Remuneracao total dos empregados em dezembro, em salarios mnimos
(Fonte: RAIS).
Procedimento:

Dimens
ao da massa salarial (ponderada por 10000 habitantes) =

Vari
avel bruta em t
tamanho da populacao em t
(3.6)

Evoluc
ao da massa salarial
Mede o crescimento do total das remuneracoes dos trabalhadores do setor formal de
um ano em relacao ao ano anterior. (Sebrae, 2009 p. 72 (59))

16

Variavel bruta: Remuneracao total dos empregados em dezembro, em salarios mnimos


(Fonte: RAIS).
Procedimento:

Evolucao da massa salarial = taxa de cresc. da massa salarial =


((vari
avel bruta em t vari
avel bruta em t 1)
(3.7)
(vari
avel bruta em t+ vari
avel bruta em t 1)/2)

Dimens
ao do mercado local
Diferenca entre Valor das Sadas e Valor das Entradas das Atividades Comerciais do
Municpio, base para calculo do ICMS. (Sebrae, 2009 p. 72 (59))
Variavel bruta: Valor adicionado fiscal no comercio (Fonte: IBGE).
Procedimento:
Dimens
ao do mercado local = vari
avel bruta em t

(3.8)

Crescimento da renda per capita


Variavel bruta: Valor total dos rendimentos recebidos em 2000 (Fonte: CENSO/IBGE).
Procedimento:

Cresc. renda per capita = Vari


avel bruta taxa de cresc. do PIB per capita entre t + 1 e t 1
vari
avel bruta [(ln(PIB per capita em t + 1) ln(PIB per capita em t + 1))]

(3.9)

Populac
ao
Variavel bruta: Estimativa populacional para t obtida atraves de interpolacao censitaria, utilizando o CENSO 2010 e a contagem 2010 (Fonte: IBGE).
Procedimento:

Populacao = vari
avel bruta

Variaveis do IDI
Conforme Sebrae (2008, p. 11 (59))

(3.10)

17
Ambiente institucional e o conjunto de fatores externos a
` firma e
a estrutura produtiva (economias externas din
`
amicas) que favorecem
a criac
ao e desenvolvimento das empresas, expressas nas normas,
polticas, redes de ac
ao estrategica e nos elementos s
ocio-culturais
existentes em cada cidade e regi
ao. Parte-se do suposto que tais fatores atuam como condicionantes externos importantes na promoc
ao
da atividade empreendedora, com a germinac
ao e florescimento das
novas empresas.

Qualidade da educa
c
ao

Refere-se a uma media das notas do municpio no Indice


de Desenvolvimento da
Educacao Basica (IDEB). (Sebrae, 2009 p. 72 (59))
Variavel bruta: Indice de Desenvolvimento da Educacao Basica - IDEB. (Fonte: INEP).
Procedimento: Como o IDEB e dividido entre ate 4a serie e de 5a a 8a , calculou-se uma
media simples entre estes dois resultados para o ano t.
Empregos em Ci
encia, Tecnologia e Inova
c
ao
o n
E
umero total de trabalhadores envolvidos em atividades de ciencia, tecnologia e
inovacao. (Sebrae, 2009 p. 72 (59))
Variavel bruta: No de vnculos empregatcios nos ramos de formacao tecnologica, cujas
CBOs (16) sao (Diniz (2000)) (23):
22 - Profissionais das ciencias biol
ogicas, da sa
ude e afins
32 - Tecnicos de nvel medio das ciencias biol
ogicas, bioqumicas, da sa
ude e afins
211 - Matem
aticos, estatsticos e afins
212 - Profissionais da inform
atica
213 - Fsicos, qumicos e afins
214 - Engenheiros, arquitetos e afins
300 - Tecnicos mecatronicos e eletromec
anicos
311 - Tecnico em ciencias fsicas e qumicas
312 - Tecnicos em construcao civil, de edificacoes e obras de infraestrutura
313 - Tecnicos em eletroeletr
onica e fot
onica
314 - Tecnicos em metalmec
anica
316 - Tecnicos em mineralogia e geologia
317 - Tecnicos em inform
atica
318 - Desenhistas tecnicos e modelistas
2011 - Profissionais da biotecnologia
2012 - Profissionais da metrologia
2030 - Pesquisadores das ciencias biol
ogicas

18
2031 - Pesquisadores das ciencias naturais e exatas
2032 - Pesquisadores de engenharia e tecnologia
2033 - Pesquisadores das ciencias da sa
ude
2034 - Pesquisadores das ciencias da agricultura
3011 - Tecnicos de laborat
orio industrial
3012 - Tecnicos de apoio `
a bioengenharia

Procedimento:

Empregos em CTI (ponderado por 10000 habitantes) =

vari
avel bruta em t
10000
tamanho da populacao em t
(3.11)

Capacidade de investimento p
ublico municipal (Grau de gerac
ao de recursos
pr
oprios)
Participacao da receita tribut
aria propria na Receita Corrente Lquida. (Sebrae,
2009 p. 72 (59))
Variavel bruta: Receitas correntes, receitas tributarias, receitas de capital e operacoes
de credito. (Fonte: FINBRA).
Procedimento:
Capacidade de investimento p
ublico municipal = Grau de geracao de recursos proprios =
Receita tributaria
(Receita corrente + receita de capital operacoes de credito)

(3.12)

Sistema financeiro
o n
E
umero de postos e agencias bancarias no municpio. (Sebrae, 2009 p. 72 (59))
Variavel bruta: no de agencias e postos bancarios em t (Fonte: BACEN).
Procedimento:
Sistema financeiro (ponderado por 10000 habitantes) =

vari
avel bruta em t
10000
tamanho da populacao em t
(3.13)

Infra-estrutura de comunicac
ao
Variavel Bruta: no de postos de correios em t (Fonte: ECT).
Procedimento:

19

Infra-estrutura de comunicacao (pond por 10000 habitantes) =

vari
avel bruta em t
10000
tamanho da populacao em t
(3.14)

Mecanismos de apoio a MPE: LGMPE e PDM


Mede o nvel de implementacao da Lei Geral das MPE e do Plano Diretor Municipal.
(Sebrae, 2009 p. 72 (59))
Variavel bruta: Fase de implementacao da lei geral e implementacao ou nao de plano
diretor municipal (Fonte: Sebrae-PR).
Procedimento: Foram estabelecidas escalas para o municpio de acordo com a fase de
implementacao da LG. Existem 2 possibilidades:
1. Nada = 0;
2. Lei Sancionada= 7
Alem disso, se o municpio ja tem implementado um Plano Diretor Municipal (PDM),
ganha mais 3 pontos, com a seguinte gradacao:
Nao tem Plano Diretor = 0
Elaborando Plano Diretor = 1
Revendo Plano Diretor = 2
Tem Plano Diretor = 3

Mecanismos de Apoio `as MPEs = Estagio da implementacao da lei +


Estagio de implementacao do Plano Diretor Municipal

(3.15)

A tabela a seguir resume as construcoes conforme metodologia adotada inicialmente pelo IBQP e Sebrae (2008):

VARIAVEL
PIB real

DEFINIC
AO
Representa a soma dos bens e servicos finais produzidos
no municpio, deflacionados para o ano base.

Taxa de crescimento do PIB real

a variac
E
ao do PIB real de um ano em relac
ao ao ano anterior

Taxa de inatividade

uma proporc
E
ao que mede a quantidade de estabelecimentos
sem vnculos empregatcios (inativos)
sobre a quantidade total de estabelecimentos.
Mede quantos estabelecimentos formais foram
criados no municpio de um ano em relac
ao ao ano anterior.
o n
E
umero total de vnculos empregatcios por habitante.

Taxa de criac
ao de estabelecimento
Empreendedorismo
Taxa de criac
ao de empregos
Valor adicionado fiscal do com
ercio

Taxa de crescimento da massa salarial


Massa salarial

Mede quantos empregos formais foram criados no


municpio de um ano em relac
ao ao ano anterior.
Diferenca entre Valor das Sadas e Valor das Entradas das Atividades
Comerciais do Municpio, base para c
alculo do ICMS

Mede o crescimento do total das remunerac


oes dos trabalhadores
do setor formal de um ano em relac
ao ao ano anterior.
a soma das remunerac
E
oes pagas pelos estabelecimentos
formais do municpio.

CALCULO
PIB Real do municpio a precos de mercado em R$ mil
(deflacionado a R$ do ano 2000 pelo deflator
implcito do PIB nacional);
PERIODO: 2008 FONTE: IBGE e IPEADATA
Taxa = ln PIB2008 - ln PIB2007; PERIODO: 2008-2007
FONTE: IBGE (Dados Brutos)
N
umero de Estabelecimentos sem
vnculo de trabalho / N
umero total de estabelecimentos;
PERIODO: 2009 FONTE: RAIS (Dados Brutos)
Taxa = ln Estabelecimentos2009 - ln Estabelecimentos 2008;
PERIODO: 2009-2008 FONTE: RAIS (Dados Brutos)
N
umero de Estabelecimentos/ Populac
ao
PERIODO: 2009 FONTE: RAIS (Dados Brutos) e IBGE.
Taxa = Emprego2009 - Emprego2008 / M
edia Emprego
PERIODO: 2009-2008 FONTE: RAIS (Dados Brutos)
Valor Adicionado Fiscal
dos estabelecimentos comerciais do
municpio - Acumulado anual em R$ mil correntes;
PERIODO: 2009 FONTE: SEFA
Taxa = ln Massa Salarial2009 - ln Massa Salarial2008;
PERIODO: 2009-2008 FONTE: RAIS (Dados Brutos)
Soma das Remunerac
oes pagas pelos
estabelecimentos formais do municpio,
com refer
encia a dezembro de 2009, convertida em Reais
pelo sal
ario mnimo da
epoca.
PERIODO:2009 FONTE: RAIS (Dados Brutos)

20


VARIAVEL
Populac
ao

DEFINIC
AO
Populac
ao residente no municpio.

Renda per capita em R$ correntes

Estimativa de valor da renda por residente do


municpio, recebida durante o ano.

Grau de gerac
ao de recusos pr
oprios

Parcipac
ao da receita tribut
aria pr
opria
da Receita Corrente Lquida

Pessoal ocupado em CTI

o n
E
umero total de trabalhadores envolvidos em
atividades de ci
encia, tecnologia e inovac
ao.

Escolaridade (IDEB)

Refere-se a uma m
edia das notas do
da Educac
ao B
asica (IDEB).
municpio no Indice de Desenvolvimento

Correios

o n
E
umero total de postos e ag
encias dos correios no municpio.

Associativismo

o n
E
umero de entidades associativas no municpio:
sindicatos filiados `
as Federac
oes Empresariais,
associac
oes comerciais e arranjos produtivos locais.
o n
E
umero de postos e ag
encias banc
arias no municpio.

Sistema financeiro
Mecanismo de apoio `
a MPE

Mede o nvel de implementac


ao da
Lei Geral das MPE e do Plano Diretor Municipal.

CALCULO
Populac
ao residente estimada no municpio
na contagem populacional
IBGE; PERIODO: 2009 FONTE: IBGE
Renda Bruta Real 2009 / Populac
ao Estimada 2009
em R$ de 2000;
PERIODO: 2009 FONTE: IBGE (Dados Brutos)
Participac
ao da Receita Tribut
aria Municipal
Pr
opria na Receita Corrente Lquida;
PERIODO: 2009 FONTE: STN/FINBRA (Dados Brutos)
Vnculos de emprego formal em estabelecimentos com atividade
caracterizada como Ci
encia, Tecnologia e Inovac
ao
ponderado por 10 mil;
PERIODO: 2009 FONTE: RAIS (Dados Brutos)
Qualidade na Educac
ao: Nota M
edia do IDEB Indice de Desenvolvimento da Educac
ao
B
asica das escolas p
ublicas (4a s
erie e 8a s
erie);
PERIODO: 2009 FONTE: INEP/MEC
Postos e ag
encias de correio;
PERIODO: 2010 FONTE: ECT (Dados Brutos)
N
umero de entidades representativas e associac
oes empresariais;
PERIODO: 2009 FONTE: Federac
oes Empresariais.
N
umero de ag
encias e postos banc
arios;
PERIODO: Dezembro/2010 FONTE: BACEN
Implementac
ao da Lei Geral e Plano Diretor Municipal gradac
ao de 0 a 10 (7 do indicador
e a ades
ao a
implementac
ao da Lei Geral e 3 ao est
agio do Plano Diretor Municipal);
PERIODO: 2009 FONTE: SEBRAE e MDIC

21

22

Para a construcao do ID-MPE, visando atender os objetivos delineados, foram observados os seguintes requisitos (Sebrae, 2009 p. 17-18 (59)):
a) Municipal. O ndice deve ser municipal, ser construdo a partir de dados
e indicadores que expressem a realidade particular e diferencial de cada
municpio;
b) Sintetico. O ndice deve ser sintetico, deve expressar por um conjunto
simples de indicadores e dimens
oes, o ambiente institucional favor
avel a
`s
MPE em cada municpio, de forma a ser f
acil e rapidamente adotado pelos
poderes p
ublicos e empresariais de cada municpio como uma referencia;
c) Anual. O ndice deve ser anual, deve captar dados e indicadores que
s
ao produzidos no perodo de observac
ao de um ano, de forma a captar
as mudancas no ambiente de neg
ocios promovidas por polticas e ac
oes de
uma gest
ao municipal, bem como captar os reflexos de programas de apoio
a MPE. O ID-MPE deve ser um ndice de monitoramento das aco
`
es e
n
ao apenas de diagn
ostico, portanto, ter uma periodicidade adequada para
tanto;
d) Base P
ublica. Os dados e indicadores utilizados para a construc
ao do
ID-MPE devem ser de fonte secund
aria e base p
ublica, produzidos com
consistencia temporal e regional. N
ao devem ser contemplados dados e indicadores produzidos pelo municpio sem referencia metodol
ogica que capte
o universo, para evitar-se distorc
oes e problemas de comparac
ao;
e) Acesso F
acil. Os resultados do ID-MPE, bem como o conjunto de
indicadores e dados secund
arios devem ser de f
acil disponibilidade e acesso
aos gestores e empres
arios do municpio;
f ) Replic
avel. A metodologia adotada para o Paran
a pode ser aplicada em
qualquer outra unidade da federac
ao, de forma a estabelecer uma metodologia de referencia para avaliac
ao e monitoramento de programas de desenvolvimento local baseadas na Lei Geral.

3.2 A Construcao do ID-MPE


A propriedade de ortogonalidade dos escores fatoriais estimados foi utilizada para a
elaboracao do ID-MPE. Entretanto, deve-se observar que a ortogonalidade, associada `a matriz de fatores, nao implica necessariamente na ortogonalidade dos escores fatoriais, devendose testar se sao ortogonais por meio da matriz de variancia e covariancia entre eles (Lemos,
2000) (46).
Apos a avaliacao de dados perdidos, da deteccao e tratamento (se cabvel) de outliers 2 e da checagem dos pressupostos estatsticos (homocedasticidade, normalidade e linearidade)3 , cria-se dois municpios fictcios para cada variavel contendo os seus respectivos
2

Segundo Hair et. alli (2008, p. 79) (38) para amostras maiores de 80 observacoes o valor de referencia
dos escores padr
ao (dados normalizados para = 0 e = 1) dever
a ser de 4.
3
Vide secao [4.1] para maiores detalhes.

23

valores de maximo e mnimo4 procedemos atraves da analise de componentes principais


(PCA) (Para maiores detalhes vide apendice (5)) com o objetivo de condensar a informacao
contida nas variaveis originais em um conjunto de variaveis estatsticas (fatores) com uma
perda mnima e informacao, observando sempre a matriz de correlacoes parciais5 presentes
na construcao de cada subndice.
Apos rodarmos a analise fatorial procedemos um teste de adequacao amostral de
Kaiser-Meyer-Oklin (KMO) para verificar o grau de intercorrelacoes entre as variaveis presentes em cada subndice e se a analise fatorial e aplicavel.
Alguns autores sugerem que, para que um modelo de analise fatorial possa ser ad1
equadamente ajustado aos dados, e necessario que a matriz de correlacao inversa Rpp
seja

proxima da matriz diagonal (Rencher, 2002 citado por Mingoti (2005)). A medida de adequacidade da amostra KMO e representada por um ndice (MAS) que avalia a adequacidade
da analise fatorial, sendo calculada por
XX

2
rjk

j6=k j6=k
XX
2
2
qjk
rjk
+
j6=k j6=k
j6=k j6=k

M SA = X X

(3.16)

onde:
2
rjk
e o quadrado dos elementos da matriz de correlacao original (fora da diagonal);
2
qjk
e o quadrado dos elementos fora da diagonal da matriz anti-imagem (onde qjk e

o coeficiente de correlacao parcial entre as variaveis Xj e Xk ).


Esse ndice varia entre 0 e 1, alcancando 1 quando variavel e perfeitamente prevista
sem erro pelas outras variaveis. Os criterios de avaliacao deste teste sao os seguintes:
KMO
0,8
0,7
0,6
0,5
<0,5

Interpretacao
Admir
avel
Mediano
Medocre
Ruim
Inaceit
avel

Tabela 1: Criterios de Avaliacao e Interpretacao do teste KMO (Hair et. alli (2008))
4

Este procedimento assegura que nunca um subndice atingira valor m


aximo de 1 ou mnimo de zero,
ademais tende a concentrar todos os resultados para o centro da distribuicao dos dados.
5
Uma correlacao parcial e aquela que n
ao e explicada quando os efeitos de outras vari
aveis s
ao levadas
em consideracao. Se existem fatores verdadeiros nos dados, a correlacao parcial devera ser pequena, pois
a vari
avel pode ser explicada pelas vari
aveis que comp
oem os fatores. Se as correlacoes parciais s
ao altas,
indicando a ausencia de fatores inerentes, ent
ao a an
alise fatorial e inadequada. Uma elevada correlaca
o
parcial e aquela com signific
ancia pr
atica e estatstica, e uma regra pr
atica seria considerar correlaco
es
parciais acima de 0,7 como elevadas. Hair et. alli (2008, p. 110) (38)

24

Adicionalmente procedemos o teste de esfericidade de Bartlett que indica se existe


relacao suficiente entre as variaveis para aplicacao da AF. Para que seja possvel a aplicacao
da AF, recomenda-se que o valor de significancia nao ultrapasse 0,05. Se o valor atingir 0,10
a AF e desaconselhavel.
Em seguida procedemos para a etapa da rotacao fatorial com o objetivo de fornecer
uma interpretacao mais adequada para as variaveis em exame6 .
Finalmente e obtido uma medida mista que nos fornece o valor de cada subndice
atraves do computo dos escores fatoriais. Segundo Hair et. alli (2008) (38) um escore
fatorial e uma medida composta criada para cada observacao de cada fator extrado da
analise fatorial. Os pesos fatoriais sao usados em conjuncao com os valores da variavel
original para calcular o escore de cada observacao. O escore fatorial pode entao ser para
representar o(s) fator(es) em analises subsequentes. Os escores fatoriais sao padronizados
para que tenham uma media 0 e um desvio-padrao 1, ou seja, com os resultados obtidos com
os fatores transformamos num valor u
nico simplesmente multiplicando os valores obtidos
com a matriz de coeficientes dos escores de cada componente em cada um dos casos.
Espera-se que os escores associados aos municpios tenham distribuicao simetrica em
torno da media zero. Assim, metade deles apresentara sinais negativos e a outra metade sinais
positivos, de modo que os municpios com menores ndices de desenvolvimento empresarial
parcial apresentarao escores fatoriais negativos. A fim de evitar que altos escores fatoriais
negativos elevem a magnitude dos ndices associados a estes municpios, e conveniente inserilos no primeiro quadrante (Lemos, 2000) (46), conforme transformacao:
Fij =

(F Fmin )
(Fmax Fmin )

(3.17)

em que Fmin e Fmax sao os valores maximo e mnimo observados para os escores
fatoriais associados aos municpios paranaenses.
Por meio deste procedimento, consegue-se alocar todos os escores fatoriais no intervalo fechado entre zero e um.
Assim, a construcao de cada ndice baseado no n
umero de fatores conforme a seguinte
formulacao geral:
[(Fn,i min Fn )/(max Fn min Fn )]
SubIndicei =
1/(n
umero de fatores extrados)

(3.18)

Em que o SubIndicei refere-se aos indicadores parciais IDE, IDM e IDI para cada
6

Para maiores detalhes dos metodos rotacionais vide Corrar, Paulo e Filho (2009) (17) Hair et. alli
(2008) (38) ou consulte o apendice.

25

iesimo municpio; Fn,i indica o escore fatorial do nesimo fator obtido para iesimo municpio e o n
umero de fatores extrados diz respeito ao criterio da quantia de fatores a serem
obtidos de acordo com criterio de raiz latente (autovalores) que apresentarem valores superior
a unidade e validados a partir do criterio de Kayser-Guttman7 .
Para resumirmos o procedimento de uma analise fatorial, reproduzimos o fluxograma
para o processo de obtencao dos indicadores no anexo [11] deste trabalho .
Au
ltima etapa metodologica da construcao do ID-MPE consiste na formacao de uma
analise de clusters com o objetivo de verificar se tais aglomerados apresentam correlacao com
o ranking dos municpios obtidos a partir do subndice obtido classificando-os desta maneira
como altos, baixos ou medios.
Por finalidades analticas, essa classificacao nao sera procedida neste trabalho, uma
vez que o objetivo parece somente condensar as variaveis8 .
Se estamos preocupados apenas com a reduc
ao do n
umero de vari
aveis,
ent
ao as dimens
oes podem orientar a criac
ao de novas medidas compostas.
Por outro lado, se temos uma base conceitual para compreender as relac
oes
entre as vari
aveis, ent
ao as dimens
oes podem realmente ter significado para
aquilo que elas coletivamente representam. No u
ltimo caso, essas dimens
oes podem corresponder a conceitos que n
ao podem ser adequadamente descritos por uma u
nica medida (p. ex., a atmosfera
de uma loja
e definida por muitos componentes sensoriais que devem ser medidos separadamente mas s
ao todos relacionados entre
si.) [Grifo meu] Hair et. alli 2008, p. 102 (38).

3.3 Mapeamento e Analise Espacial do ID-MPE


Apos o computo do ID-MPE e feito um mapeamento do mesmo dentro do estado
utilizando-se das tecnicas da Analise Exploratoria de Dados Espaciais (AEDE) disponveis
nos trabalhos de Anselin (1999 (4)).
Os resultados obtidos sao apresentados em forma de ndices que medem a associacao
espacial (ndice de Moran), global e local, graficos de espalhamento e mapas. Estes disposi7

A regra Kayser-Guttman, comumente entendida como autovalores superiores a 1 e de longe o metodo


mais empregado. Nesta abordagem, calcula-se os autovalores da matriz de dispers
ao n
ao reduzida e mantem
como muitos fatores como o n
umero de autovalores que excedam a media (de uma matriz de correlacao,
a media e de um valor pr
oprio, da a designacao comumente empregada). O criterio tem sido fortemente
criticado por muitos em uma serie de motivos (por exemplo, Preacher e MacCallum, 2003 (54)), mas continua
a ser popular.
8
Esta evidencia fora encontrada nos primeiros trabalhos desempenhados pelo IBPQ em conjunto com
o Sebrae atraves dos diversos testes KMO e das transformacoes de vari
aveis, ou seja, parece claro que as
transformacoes n
ao tinham a finalidade de adequar as distribuicoes para mais proximas a uma normal e sim
para que obtivessem adequacao amostral unicamente.

26

tivos auxiliaram na identificacao de agrupamentos de objetos, de altos e baixos valores, areas


de transicao e casos atpicos.
... Those methods and techniques that, based on a formal representation
of the structure of spatial dependence and spatial heterogeneity, provide the
means to carry out the proper specification, estimation, hypothesis testing,
and prediction for models in regional science (Anselin, 1999 (4))

Em todas as tecnicas de AEDE empregadas neste trabalho, estao presentes tres


elementos basicos: a matriz de proximidade espacial (W ), o vetor de desvios (Z) e o vetor
de medias ponderadas (W z).
A matriz de proximidade espacial e uma ferramenta geral e bastante u
til para descrever o arranjo espacial dos objetos (Bailey & Gatrell, 1995 (7)). W , e uma matriz quadrada,
com n2 elementos, onde cada elemento, wij , representa uma medida de proximidade espacial
entre o polgono i e o polgono j, sendo n, o n
umero total de objetos.
Segundo Almeida e Haddad (2004), pode ocorrer de a definicao com maior facilidade
de interpretacao para matriz de pesos espaciais ser matriz binaria de vizinhanca, na qual
duas regioes sao vizinhas (contiguidade/proximidade), fazem fronteira uma com a outra,
atribui-se o valor unitario; caso contrario, atribui-se o valor nulo9 . Exemplificando:

wij

1
=
0

se i e j
se i e j

sao contguos
nao sao contguos

O terceiro elemento basico, o vetor de medias ponderadas (W z), e obtido pela


multiplicacao do vetor transposto dos desvios, pela matriz de proximidade espacial com
linhas normalizadas, onde cada elemento de uma linha i qualquer, originariamente com
valor 1, e dividido pelo n
umero de elementos nao nulos da mesma linha. Desta forma, como
resultado, cada elemento wzi , contem um valor correspondente `a media dos desvios dos
vizinhos ao objeto i.
O Indice de Moran fornece uma medida geral da associacao espacial existente no
conjunto dos dados. Seu valor varia de 1 a 1. Valores proximos de zero, indicam a inexistencia
de autocorrelacao espacial significativa entre os valores dos objetos e seus vizinhos. Conforme
Perobelli e Haddad (2006 (53)), os valores maiores ou menores que o valor de I de Moran
esperado indicam a presenca de uma autocorrelacao positiva ou negativa. Valores positivos
para o ndice, indicam autocorrelacao espacial positiva, ou seja, o valor do atributo de um
objeto tende a ser semelhante aos valores dos seus vizinhos. Valores negativos para o ndice,
por sua vez, indicam autocorrelacao negativa.
9

Por convencao wii = 0, ou seja, nenhuma regi


ao i pode ser vizinha dela mesma.

27

O ndice de Moran pode ser descrito em funcao dos elementos basicos vistos anteriormente, e dado por:
n

I = XX

wij

XX

wij (yi y)(yj y)


X

(yi y)2

(3.19)

Onde n representa o n
umero de localidades; wij e o peso espacial para ij e yi ,
o valor do atributo em analise, no caso algum subndice ou o proprio ID-MPE. O valor
esperado de I e [1/(n 1)]. Assim, no caso do ID-MPE Parana, o valor esperado sera
1/(399 1) = 0, 0025.

Se o valor calculado de I for superior ao valor esperado, temos autocorrelacao espacial positiva, isto e, existe uma tendencia de regioes com altos (baixos) valores de uma
variavel estarem rodeados de municpios com altos (baixos) valores desta variavel. Inversamente, se I calculado for menor do que o valor esperado de I temos autocorrelacao espacial
negativa, indicando que altos valores tendem a estar circundados por baixos valores de alguma variavel.
Para identificar estes clusters e fazer uma analise mais detalhada, convem calcular o
coeficiente de I de Moran local (Ii ). Ao inves de calcular o valor da estatstica levando-se em
consideracao toda a amostra de dados, o Ii e calculado apenas com os vizinhos do municpio
i. Conseguem captar padroes locais de interacao espacial, que sejam estatisticamente significativos. De acordo com Almeida (2009), o coeficiente Ii para uma variavel y padronizada
observada na regiao i pode ser expresso como:
Ii = wi

j
X

wij zj

(3.20)

j=1

Uma das vantagens do I de Moran local e que com seu calculo e possvel estabelecer
no mapa os padroes locais de autocorrelacao espacial. Estes resultados serao demonstrados
a seguir quando verificaremos os mapas de clusters (aglomerados) do ID-MPE.

28

3.4 Resultados do ID-MPE PR


For the rational study of the law the black letter man may be the man of the
present, but the man of the future is the man [woman] of statistics and the master
of economics. Oliver Wendell Holmes, The Path of the Law, 1897

Uma simples inspecao visual parece-nos indicar que as variaveis constituintes do


ID-MPE nao apresentam comportamento de normalidade em suas distribuicoes de proba
bilidades10 .

Figura 3: Inspecao grafica das variaveis do ID-MPE


11

Como os indicadores sao pre-definidos como IDE, IDM e IDI, iniciaremos a analise
pelo IDE, com as seguintes estatsticas descritivas:
Vemos facilmente que pelos resultados da assimetria e curtose e em especial pelos
resultados da estatstica Jarque-Bera os dados nao se distribuem normalmente.
Muitas vezes o fen
omeno aleat
orio contnuo que podemos estar interessados em estudar n
ao ir
a seguir distribuic
ao normal nem ser
a aproximada de
maneira adequada por ela (...) Levine et. alli (2000, p. 239) (49)

Diante desta situacao, a literatura especializada recomendaria que se estudasse as


distribuicoes de probabilidades de cada dado ou entao que se utilize a seguinte transformacao:
10

Todos os resultados foram obtidos com os softwares Eviews 6 e Microsoft Excel 2007. Na inspecao
gr
afica suprimimos os nomes dos municpios paranaenses por uma quest
ao de estetica somente. Deste modo
o municpio de n
umero 1 refere-se ao primeiro municpio do estado listado em ordem alfabetica.

29

Tabela 2: Estatsticas descritivas das variaveis do IDE PR


Media
Mediana
M
aximo
Mnimo
Desvio Padr
ao
Assimetria
Curtose
Jarque-Bera
Probabilidade
Soma
SQR
Observacoes

IDE1 PIBreal
232572.1
51934.76
22423495
7426.457
1247742.
14.76613
254.2596
1064059.
0.000000
92796260
6.20E+14
399

IDE2 TxcrescPIB
0.060632
0.065500
0.348400
-0.414100
0.119857
-0.498759
4.121706
37.46055
0.000000
24.19200
5.717541
399

IDE3 Txinat
0.131010
0.128400
0.248400
0.029400
0.033665
0.296720
3.644754
12.76599
0.001690
52.27300
0.451078
399

IDE4 Txcriaestb
0.058099
0.057500
0.370400
-0.163600
0.064888
0.646106
6.732090
259.3219
0.000000
23.18170
1.675764
399

IDE5 Txempreend
0.020910
0.020300
0.042800
0.007000
0.006889
0.489025
3.246450
16.91296
0.000213
8.343200
0.018887
399

Utilizando a f
ormula da transformacao, qualquer variavel aleatoria normal x e
convertida em uma vari
avel normal padronizada Z. Levine et. alli (2000, p. 239) (49)
z=

xi

Onde xi e a variavel do ID-MPE; a media populacional e o desvio-padrao


populacional.
Todavia, para fins praticos de analise, este procedimento nao sera executado nesta
secao.

3.4.1 Resultados para o IDE


Em seguida, a proxima etapa metodologica consiste em se criar os dois municpios
fictcios contendo os limiares maximos e mnimos para cada variavel do IDE:
Tabela 3: Limiares Maximos e Mnimos para as variaveis do IDE
municipio
Limiar Minimo
Limiar M
aximo

ide1 pibreal
1.0000
82400000.0000

ide2 txcrescpib
-1.0000
1.0000

ide3 txinat
0.0000
1.0000

ide4 txcriaestb
-1.0000
1.0000

ide5 txempreend
0.0000
0.0500

Fonte: IBQP e Sebrae PR (2009) (59)

A finalidade do uso destes limiares consiste numa tentativa de ajuste de escala


para o IDE sendo que assim, nunca um municpio (que nao os fictcios) atinja valor 1 ou
valor 0. Uma limitacao deste procedimento consiste num achatamento do IDE para uma
concentracao mais proxima a sua media amostral.
Com a insercao destes limiares na amostra e com o aumento do n
umero das observacoes de 399 para 401, procedemos na analise de componentes principais com a finalidade de analisarmos pela variancia total e de sabermos qual o n
umero de fatores a serem
extrados:

30

Tabela 4: Extracao das Componentes Principais para o IDE


N
umero
1
2
3
4
5

AutoValor
2.472614
0.957654
0.784906
0.529630
0.255197

Diferenca
1.514960
0.172748
0.255276
0.274432

Proporcao
0.4945
0.1915
0.1570
0.1059
0.0510

Cumulativo
Valor
2.472614
3.430267
4.215173
4.744803
5.000000

Cumulativo
Proporcao
0.4945
0.6861
0.8430
0.9490
1.0000

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

O emprego do metodo de componentes principais criou somente um fator com raz


caracterstica12 maior que 1. O teste de adequacao amostral de Kayser-Meyer-Ohlin (KMO)
indicou que todas as variaveis apresentam adequacao amostral para aplicacao de uma AF
bem sucedida:
Tabela 5: Resultados do teste KMO para as variaveis do IDE
log(IDE1 PIBreal)
IDE2 TxcrescPIB
IDE3 txinat
IDE4 txcriaestb
IDE5 txempreend
Kaisers MSA

MSA
0.632500
0.721882
0.701568
0.626179
0.572388
0.650659

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Vale ressaltar que a transformacao na variavel PIB real para o seu logaritmo natural
tem a u
nica finalidade de ajuste de escala numerica com as demais variaveis do IDE.
A respeito disso Hair et. alli (2008, p. 87) (38) ressaltam que:
Para distribuic
oes n
ao-normais, os padr
oes mais comuns s
ao distribuic
oes
achatadas e assimetricas. Para a distribuic
ao achatada, a transformac
ao
mais usual e a inversa (por exemplo, 1/y ou 1/x). As distribuic
oes assimetricas podem ser transformadas calculando-se a raiz quadrada, logaritmos, quadrados ou cubos (x2 ou x3 ), ou mesmo o inverso da vari
avel.
Geralmente, as distribuic
oes negativamente assimetricas s
ao melhor transformadas empregando-se uma transformac
ao de quadrado ou cubo, enquanto
o logaritmo ou a raiz quadrada normalmente funcionam melhor em assimetrias positivas. Em muitos casos, o pesquisador pode aplicar todas
as transformac
oes possveis ent
ao selecionar a vari
avel transformada mais
apropriada.

Dada a adequacao amostral das variaveis, podemos obter as cargas fatoriais de cada
variavel:
12

Ou autovalores que representam a soma em coluna de cargas fatoriais ao quadrado para um fator;
tambem conhecido como raiz latente. Representa a quantia de vari
ancia explicada por um fator. (Hair et.
alli (1995, p. 101) (38)

31

Tabela 6: Matriz de cargas fatoriais nao-rotacionadas e analise de fatores principais para


IDE
log(IDE1 PIBreal)
IDE2 TxcrescPIB
IDE3 Txinat
IDE4 Txcriaestb
IDE5 Txempreend
Fator
F1
F2
Total

F1
0.502317
0.463290
0.601224
0.666022
0.365123
Vari
ancia
1.405330
0.320022
1.725351

F2
0.301838
-0.219079
-0.096414
-0.190029
0.368121
Cumulativo
1.405330
1.725351
3.130681

Comunalidade
0.343428
0.262634
0.370766
0.479696
0.268828
Diferenca
1.085308

Proporcao
0.814518
0.185482
1.000000

Cumulativo
0.814518
1.000000

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Para fins de interpretacao, as cargas fatoriais acima de 0,7, (valor utilizado por
Souza e Lima, 2003 (62); Santos e Bacha, 2002 (58)), buscam evidenciar as variaveis mais
fortemente associadas a determinado fator.
A coluna das comunalidades nos demonstra a quantia total de variancia que uma
variavel original compartilha com todas as outras variaveis includas na analise.
Vemos que o n
umero de fatores a serem extrados denotados pela analise de componentes principais e pela analise de fatores comuns apresentou resultados distintos:
A an
alise fatorial de componentes e a mais adequada quando:
reduc
ao de dados e uma preocupac
ao priorit
aria, focando o n
umero
mnimo de fatores necess
arios para explicar a porc
ao m
axima da vari
ancia
total representada no conjunto original de vari
aveis, e
conhecimento anterior sugere que a vari
ancia especfica e de erro representam uma proporc
ao relativamente pequena da vari
ancia total.
An
alise de fatores comuns e mais apropriada quando:
o objetivo priorit
ario e identificar as dimens
oes ou construtos latentes
representados nas vari
aveis originais, e
o pesquisador tem pouco conhecimento sobre a quantia de vari
ancia
especfica e de erro, e, portanto, deseja eliminar essa vari
ancia.
Hair et. alli (2008, p. 112) (38)

Todavia tanto a analise de fatores comuns quanto a analise de componentes principais a literatura enfatiza que os resultados por ambas pode ser similar:
Apesar de haver muito debate sobre qual modelo fatorial e o mais apropriado (...) a pesquisa emprica tem demonstrado resultados an
alogos em
muitos casos. Na maioria das aplicac
oes, tanto a an
alise de componentes
quanto a an
alise de fatores comuns chegam a resultados essencialmente
identicos se o n
umero de vari
aveis exceder 30, ou se as comunalidades

32
excederem 0,6 para a maioria das vari
aveis. Se o pesquisador estiver preocupado com as suposic
oes da an
alise de componentes, ent
ao a an
alise de
fatores comuns tambem deve ser aplicada para avaliar sua representac
ao de
estrutura. Hair et. alli (2008, p. 113) (38)

Com a finalidade de melhorar a significancia e praticidade de interpretacao, rotacionamos a matriz de fatores pelo metodo VARIMAX para obtermos (Hair et. alli (2008) (38)):
Tabela 7: Resultados da matriz de cargas fatoriais rotacionadas para o IDE
log(IDE1 PIBreal)
IDE2 TxcrescPIB
IDE3 Txinat
IDE4 Txcriaestb
IDE5 Txempreend

F1
0.275116
0.509952
0.565008
0.668766
0.123379

F2
0.517435
0.050820
0.227005
0.180134
0.503592

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Em negrito temos a localizacao das variaveis em cada fator e seus respectivos pesos
na composicao da componente. Vemos que a variavel taxa de criacao de estabelecimentos
foi a que exerceu maior peso na composicao do IDE seguida da taxa de inatividade.
Apos a obtencao dos fatores e coeficientes (cargas fatoriais) necessarios na estimacao
dos escores fatoriais, calculou-se o subndice IDE, como explicitado na equacao (4.10), para
cada municpio. Uma vez estimado o IDE e apos encontrar os pesos associados a cada um
dos indicadores obtidos por meio de uma analise de regressao linear, pode-se entao obter o
valor de Fn,i conforme descrito na equacao (4.10). Diante do grande n
umero de municpios,
os resultados da analise sao apresentados de forma preliminar. (Para verificar o ranking
completo consulte os anexos.)
Alguns pontos importantes devem ser ressaltados no que diz respeito `a replicacao
metodologica destes procedimentos:
1. Como os resultados gerados para o IDE naquele perodo de tempo dependem de uma
estrutura de variancia e covariancia para o ano de 2009, se as condicoes mudarem
significativamente, p. ex. as taxas contidas nele, a estrutura de pesos e escores fatoriais
irao mudar captando esses efeitos, de modo que os resultados para o ano subsequente
(passado) nao poderao ser comparaveis temporalmente. A solucao para isso seria
reestimarmos a analise do modelo fatorial com os dados organizados em diferentes
pontos do tempo e no mesmo ponto do espaco conjuntamente. Em seguida poderamos
adotar a estrategia de atualizarmos os resultados do passado13 (necessita de maior
pesquisa) ou trabalharmos com as variacoes percentuais de um resultado em relacao
ao outro em relacao ao ano-base.
13

Sobre isso vide o conceito de irreversibilidade disponvel principalmente na literatura neoschumpeteriana.

33

2. Como o metodo favorece a questao da dimensao e variabilidade das variaveis e suas


interelacoes, a construcao de per capita pode gerar distorcoes significativas no indicador. Uma sada seria a utilizacao das variaveis brutas (nominais ou reais) de modo
que estas fossem capazes de representar com mais fidelidade a realidade dos municpios
estudados.
O grafico a seguir demonstra o resultado do IDE para os municpios do estado do
Parana:

Figura 4: Resultados do IDE para os municpios paranaenses


Para sumariar elencamos os 10 maiores IDEs do estado na tabela seguir:
Tabela 8: Ranking dos 10 maiores IDEs no estado do Parana
Municpio
Curitiba
Arauc
aria
Sao Jose dos Pinhais
Londrina
Paranagua
Maring
a
Foz do Iguacu

Cascavel
Ponta Grossa
Pinhais

IDE
0.7584
0.7138
0.7132
0.6945
0.6888
0.6852
0.6826
0.6791
0.6772
0.6580

Fonte: Resultados desta pesquisa a partir de sadas de Eviews 6

Facilmente notamos que o Curitiba e regiao metropolitana tendem a puxar o IDE


para cima em funcao da magnitude de seu PIB e da taxa de criacao de estabelecimentos no
ano de 2009.

34

3.4.2 Resultados para o IDM


Com os limiares definidos conforme resume a tabela abaixo, partiremos para a analise
de adequacao amostral seguida da analise de fatores comuns e da matriz nao-rotacionada
para as variaveis constituintes do IDM:
Tabela 9: Limiares maximos e mnimos para as variaveis do IDM
MIN
MAX

idm1 txcriaempre
-1.0000
1.0000

idm2 vaf
1.00
29400000000.00

idm3 txcrescmassa
-1.0000
1.0000

idm4 massa
1
21000

idm5 pop
1
10100000

idm6 rendapc
1
12000

Fonte: IBQP e Sebrae PR (2009) (59)

Os resultados do teste KMO apontaram que todas as variaveis possuem adequacao


amostral para resultados de uma analise fatorial satisfatoria:
Tabela 10: Resultados do teste KMO para as variaveis do IDM
IDM1 TXCRIAEMPRE
LOG(IDM2 VAF)
IDM3 TXCRESCMASSA
LOG(IDM4 MASSA)
LOG(IDM5 POP)
LOG(IDM6 RENDAPC)
Kaisers MSA

MSA
0.604912
0.670807
0.578972
0.798757
0.665407
0.828067
0.689757

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

A seguir partimos para a construcao dos fatores e para a avaliacao das significancias
das cargas fatoriais que e dada conforme elucida Hair et. alli (2008, p. 120) (38):
Apesar das cargas fatoriais de 0,30 a 0,40 serem minimamente aceit
aveis, val-

ores maiores que 0,50 s


ao geralmente considerados necess
arios para signific
ancia

pr
atica.

35

Tabela 11: Matriz de cargas fatoriais nao-rotacionadas e analise de fatores comuns para as
variaveis do IDM
IDM1 TXCRIAEMPRE
LOG(IDM2 VAF)
IDM3 TXCRESCMASSA
LOG(IDM4 MASSA)
LOG(IDM5 POP)
LOG(IDM6 RENDAPC)
Fator
F1
F2
Total

F1
0.581593
0.855661
0.518492
0.755594
0.829273
0.763619
Vari
ancia
3.180971
1.321487
4.502458

F2
0.692763
-0.382896
0.725164
-0.078300
-0.394661
-0.084890
Cumulativo
3.180971
4.502458
7.683429

Comunalidade
0.818170
0.878765
0.794697
0.577053
0.843452
0.590321
Diferenca
1.859484

Proporcao
0.706497
0.293503
1.000000

Cumulativo
0.706497
1.000000

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Para uma melhor interpretacao dos resultados fatoriais, rotacionamos a matriz pelo
metodo VARIMAX para obtermos uma significancia estatstica superior:
Tabela 12: Resultados da matriz de cargas rotacionadas para o IDM
IDM1 TXCRIAEMPRE
LOG(IDM2 VAF)
IDM3 TXCRESCMASSA
LOG(IDM4 MASSA)
LOG(IDM5 POP)
LOG(IDM6 RENDAPC)

F1
0.160599
0.932823
0.089739
0.694660
0.915766
0.704899

F2
0.890156
0.092769
0.886929
0.307410
0.069451
0.305678

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Podemos avaliar, atraves do resultado da matriz rotacionada, que nenhuma variavel


do IDM apresentou carga fatorial nao-significativa do ponto de vista estatstico. Vemos que
as variaveis relacionadas a tamanho de mercado (dimensao e magnitude) exercem uma maior
influencia no IDM.
O eixo da Teoria da Localizac
ao e o de desenvolvimento mais antigo. O do
Crescimento/Desenvolvimento Regional data dos anos 40/50 e e muito influenciado pela tradic
ao keynesiana. Ambos foram desenvolvidos a partir da
sntese de Marshall para a economia neocl
assica. A teoria da localizac
ao
tem elementos vindos de Von Thunen, contempor
aneo de Ricardo, mas
o seu grande autor na verdade e Alfred Weber(1909), depois dele August
Losch (1954), que na verdade e diretamente influenciado por outro autor
pouco conhecido entre os economistas, o ge
ografo Walter Christaller (1935),
e finalmente Walter Isard (1956). Os pontos comuns a esses autores esta
na considerac
ao da import
ancia fundamental dos custos de transporte para
a determinac
ao da localizac
ao
otima da firma (sempre considerada como
sin
onimo de empresa e geralmente produzindo um u
nico produto). Import
ancia essa contrabalan
cada pelos custos de m
ao-de-obra e por
um outro elemento meio misterioso denominado fator aglomerativo, que passou a ser conhecido na literatura como as economias
de aglomera
c
ao. [grifo meu] Rolim, C., F. (1998, p. 6) (68)

A proxima etapa metodologica, consiste na estimativa do subndice IDM, conforme


elucidado na equacao (4.9) anteriormente de acordo com o computo dos escores fatoriais:

36
F1
-0.058195
0.464904
-0.090383
0.143986
0.335861
0.150431

IDM1 TXCRIAEMPRE
LOG(IDM2 VAF)
IDM3 TXCRESCMASSA
LOG(IDM4 MASSA)
LOG(IDM5 POP)
LOG(IDM6 RENDAPC)

F2
0.501036
-0.088311
0.450963
0.060528
-0.105397
0.057671

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Hair et. alli (2008) (38) e Corrar et. alli (2009) (17) ressaltam que o uso dos
coeficientes pode ser aplicado para criacao de novos indicadores (rotulos dos fatores), para
isso basta multiplicar os scores apresentados na tabela (...) em cada um dos casos. (Corrar
et. alli (2009, p. 116) (17)).
A equacao que descreve a construcao do subndice IDM conforme equacao (4.9)
assume a seguinte especificacao:
"

"

1
(F1,i max F1 )
(F2,i min F2 )
1
+
IDMi =
2 (max F1 min F1 )
2 (max F2 min F2 )

(3.21)

Para visualizar os resultados do valor do IDM municipal vide a tabela [??] em anexo.
De um modo simplificado, podemos resumir os resultados do IDM com uma simples tabela
de frequencias:
Tabela 13: Tabulacao do IDM para os municpios paranaenses
Valor
[0.4, 0.5)
[0.5, 0.6)
[0.6, 0.7)
[0.7, 0.8)
Total

Contagem
6
301
91
1
399

Percentual
1.50
75.44
22.81
0.25
100.00

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Os 10 maiores IDMs do estado estao resumidos na tabela de ranking a seguir:

37

Tabela 14: Ranking dos 10 maiores IDMs dos municpios paranaenses


Municipios
Curitiba
Araucaria
Rondon
Maringa
Londrina
Sao Jose dos Pinhais
Cascavel
Pato Branco
Fazenda Rio Grande
Ponta Grossa

IDM
0.7084
0.6850
0.6791
0.6693
0.6623
0.6620
0.6616
0.6521
0.6456
0.6411

Fonte: Resultados desta pesquisa a partir de sadas de Eviews 6

Interessante notar a posicao do municpio de Rondon na terceira colocacao motivado


pela maior taxa de criacao de empregos (50%) e da taxa de crescimento da massa salarial
(42,6%) do estado no perodo de 2009.

3.4.3 Resultados para o IDI


Os limiares para o IDI sao definidos a seguir:
Tabela 15: Limiares maximos e mnimos para as variaveis do IDI
min
max

idi1 capinv
0.00000
0.40000

idi2 cti
1.00000
370.00000

idi3 ideb
0
10

idi4 corr
0
20

idi5 assoc
0
8

idi6 sistfin
0
23

idi7 lg
0.00
10.00

Fonte: IBQP e Sebrae PR (2009) (59)

Com a insercao dos municpios fictcios na amostra a variancia aumenta, de modo


que o teste KMO fica fortemente viesado:
Tabela 16: Resultados do teste KMO para as variaveis do IDI
100*IDI1 CAPINV
LOG(IDI2 CTI)
IDI3 IDEB
IDI4 CORR
IDI5 ASSOC
IDI6 SISTFIN
IDI7 LG
Kaisers MSA

MSA
0.523152
0.553681
0.609746
0.556465
0.447811
0.503103
0.558721
0.539621

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Em seguida, obtemos os resultados dos fatores a serem extrados pela analise de


fatores principais que nos indicou que somente os tres primeiros fatores sao relevantes para
a analise, desconsiderando os demais:

38

Tabela 17: Matriz de cargas fatoriais nao-rotacionadas e analise de fatores comuns para as
variaveis do IDI
100*IDI1 CAPINV
LOG(IDI2 CTI)
IDI3 IDEB
IDI4 CORR
IDI5 ASSOC
IDI6 SISTFIN
IDI7 LG
Fator
F1
F2
F3
Total

F1
0.062358
0.291239
0.590551
0.537471
0.278939
0.49213
0.220648
Vari
ancia
1.095.019
0.851404
0.301966
2.248.389

F2
0.544093
0.443071
0.176085
-0.362422
0.197762
-0.345989
0.194631
Cumulativo
1.095.019
1.946.423
2.248.389
5.289.831

F3
0.212857
0.206199
-0.14151
0.024801
-0.353459
0.240501
-0.103567
Diferenca
0.243615
0.549438

Comunalidade
0.345234
0.32365
0.399781
0.42084
0.241849
0.419741
0.097293
Proporcao
0.487024
0.378673
0.134303
1.000.000

Cumulativo
0.487024
0.865697
1.000.000

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Pela analise de fatores principais vemos que com tres fatores estatisticamente significativos formados teremos em geral os primeiros fatores concentrando maior parcela de
variancia explicada. Este fato reflete a organizacao das variaveis dentro dos tres fatores
dentro IDI e suas respectivas contribuicoes na variancia comum existente.
Todavia, as comunalidades nos mostram que as quantias totais que uma variavel
original contribuem com as demais includas na analise sao relativamente baixas. Hair et. alli
(2008) (38) recomendam que se utilize da diretriz de considerar como baixas comunalidades
valores abaixo de 0,5.
Os resultados nos demonstram que poucos fatores sao considerados significativos, o
que nos direciona a rotacionar a matriz pelo criterio VARIMAX ortogonal para obtermos:
Tabela 18: Resultados da matriz de cargas fatoriais rotacionadas para o IDI
100*IDI1 CAPINV
LOG(IDI2 CTI)
IDI3 IDEB
IDI4 CORR
IDI5 ASSOC
IDI6 SISTFIN
IDI7 LG

F1
-0.170887
0.056332
0.306883
0.615343
-0.017773
0.647737
0.027307

F2
0.559714
0.544128
0.229721
-0.111304
0.037551
0.008669
0.157639

F3
0.052453
0.156209
0.502824
0.172642
0.490024
-0.010141
0.267763

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

O grafico abaixo reflete visualmente a diferenca entre a matriz nao-rotacionada e


rotacionada e sua composicao fatorial:
Assim, podemos visualizar qual variavel se associa com qual fator a exemplo da
variavel sistema financeiro per capita e correios per capita que estao mais correlacionadas
com o primeiro fator, diferentemente das demais.
A proxima etapa metodologica consiste na estimativa dos escores fatoriais de cada

39

Figura 5: Comparativo das cargas fatoriais nao rotacionadas e rotacionadas para o IDI
municpio para a construcao do subndice IDI e gerar o ranking dos municpios:
Tabela 19: Ranking dos 10 maiores IDIs dos municpios paranaenses
Municpios
Ivatuba
Nova Alianca do Iva
Marip
a
Matinhos
Curitiba
Maring
a
Boa Esperanca do Iguacu

Bom Sucesso do Sul


Pontal do Paran
a
Sao Jo
ao

IDI
0.49182
0.48312
0.47968
0.47437
0.4589
0.4486
0.44089
0.4359
0.4354
0.4338

Fonte: Resultados desta pesquisa a partir de sadas de Eviews 6

Os resultados do IDI demonstram a alta sensibilidade as distorcoes geradas pelas


variaveis per capita, a saber:
Sistema Financeiro
Correios
Associativismo

40

Empregos em CT&I
A exemplo do municpio de Ivatuba que apresentou a segunda colocacao na variavel
sistema financeiro (21 postos bancarios para cada 10 mil habitantes) e no municpio de
Maripa que apresentou a segunda colocacao na variavel Associativismo (5 entidades associativas para cada 10 mil habitantes).
A sugestao para a correcao de tais distorcoes presentes neste indicador seria a simples
utilizacao das variaveis listadas acima para sua escala bruta.

3.4.4 Resultados para o ID-MPE


A construcao do IDMPE consiste na media aritmetica simples dos tres indicadores
(IDE, IDM e IDI). Desta forma assumimos que o peso do ambiente institucional sera exatamente identico ao empresarial e mercadologico no ambiente de negocios.
O ranking dos maiores IDMPEs no estado sao listados a seguir:
Tabela 20: Ranking dos 10 maiores IDMPEs no estado do Parana em 2009.
Municpios
Curitiba
Araucaria
Maringa
Londrina
Cascavel
Sao Jose dos Pinhais
Paranagua
Ponta Grossa
Toledo
Pato Branco

IDMPE
0.64194
0.60316
0.6010
0.5965
0.5902
0.5853
0.5788
0.5758
0.5710
0.5698

Fonte: Resultados desta pesquisa

Mas, se questionarmos o motivo pelo qual Curitiba e Araucaria ocuparam o topo da


lista, veremos que em funcao do IDE e IDM esses municpios que detem a maior densidade
populacional e maiores PIBs do estado foram em certa medida puxados para cima. Em
Curitiba, maior polo industrial e de empregos do estado seguido de Araucaria (municpio
vizinho de Curitiba) com a refinaria da Petrobras.
O municpio de Paranagua impulsionado pela presenca do porto justifica facilmente
tal colocacao.
A razao para o uso desta media consiste na inspiracao oriunda do IDH que atribui
o mesmo peso no desenvolvimento humano para a educacao, sa
ude (longevidade) e acesso `a
renda:

41

O economista Bryan Caplan criticou a forma como as pontuacoes do IDH sao produzidas; cada um dos tres componentes sao limitados entre zero e um. Como resultado disso,
os pases ricos nao podem efetivamente melhorar a sua classificacao em certas categorias,
embora haja muito espaco para o crescimento economico e longevidade. Isso efetivamente
significa que um pas de imortais, com um infinito PIB per capita iria obter uma pontuacao

de 0,666 (menor do que a Africa


do Sul e Tajiquistao), se sua populacao fosse analfabeta e
nunca tivesse ido `
a escola. Ele argumenta: A Escandinavia sai por cima de acordo com o
IDH, pois e basicamente uma medida de quao escandinavo um pas e. Kaplan, 2009 (43)
Assim, parece que as afirmacoes de Fujita, Krugman e Venables (2002) (32) a respeito do desenvolvimento regional parecem ser condizentes com a satira de Kaplan descrita
acima. A discussao conceitual no que diz respeito ao entendimento do que seja desenvolvimento em suas varias esferas e inclusive na empresarial parece cair dentro do mesmo
paradigma.
Nelson & Winter (1982) (50) mencionam que o desenvolvimento (evolucao) empresarial estaria atrelado a conceitos como o conhecimento tacito presente nas rotinas e na
adaptabilidade das empresas ao meio (analogia biologica) em que estao inseridas.
Desta forma, carecemos de mais pesquisas que procurem em algum sentido simular tais condicoes de modo que nos forneca mais subsdios para comecarmos a avancar no
entendimento deste processo complexo e evolutivo.

42

3.4.5 Resultados da Analise Espacial para o IDMPE PR


Os mapas a seguir ilustram a espacialidade do IDMPE dentro do estado14 :

Figura 6: Mapeamento do IDMPE e subndices nos municpios do estado do Parana.


Fazendo referencia ao jogo de xadrez, para a escolha da matriz de peso espacial,
quando se define Wij = 1 para as regioes que estao no mesmo lado (horizontal ou vertical)
com a regiao de interesse tem-se a contiguidade de torre (ou rook contiguity), quando Wij = 1
para as regioes que possuem o mesmo vertice (diagonal) com a regiao de interesse, tem-se
contiguidade do bispo (bishop contiguity) e a contiguidade de rainha (queen contiguity) e
definida para as regioes que compartilham o mesmo lado ou o mesmo vertice (diagonal,
horizontal ou vertical) com a regiao de interesse, definindo-se Wij = 1 (LeSage ,1998) (48).
Segundo Almeida (2004), ocorrem alguns problemas de conectividade nas matrizes
de pesos espaciais, devido haver regioes com area maior e com muitos vizinhos, e outras
com pouca area e poucos vizinhos. Na tentativa de sanar o problema, sugere-se a escolha
da matriz K vizinhos mais proximos, podendo estabelecer o n
umero de vizinhos desejados
de acordo com a distancia entre o ponto central de cada unidade espacial circunvizinha ao
14

Os mapas foram gerados com o software TabWin.

43

centro de cada unidade espacial.


Depois de selecionada a matriz de peso espacial, que para este estudo e a Rainha,
verificou-se a presenca de dependencia espacial, atraves das medidas de Autocorrelacao Espacial Global e Local15 .
O Diagrama de Dispersao de Moran tambem interpreta a estatstica I de Moran
e expoe o coeficiente de regressao, visualizando a correlacao linear entre z (valor assumido
pela variavel) e Wz (media ponderada dos valores da vizinhanca) atraves do grafico de duas
variaveis. Portanto, o coeficiente I de Moran e a inclinacao da curva de regressao, e esta
inclinacao indica o grau de ajustamento (Anselin, 1996) (4).

Figura 7: Resultados do I de Moran Univariado para o IDMPE PR


A interpretacao desta estastica e a seguinte:
De acordo com Almeida (2004), o diagrama de dispersao e dividido em quatro quadrantes, e estes correspondem a quatro padroes de associacao local espacial entre as regioes e
15

O software utilizado para a AEDE foi o GeoDa 0.9.5-i(Beta)

44

seus vizinhos.
Os quatro quadrantes de associacao linear espacial ilustrados na figura abaixo, sao:
Alto-Alto (Q1), Baixo-Baixo (Q2), Baixo-Alto (Q3) e Alto-Baixo (Q4).

Figura 8: Diagrama de Dispersao de Moran


Q1AA: localizado no quadrante superior direito, mostra as regioes que apresentam
altos valores para a variavel em analise (e.g valores acima da media) cercadas por regioes
que tambem apresentam valores acima da media para a variavel em analise.
Q2BB: localizado no quadrante inferior esquerdo, apresenta regioes com valores
baixos para as variaveis em analise cercados por vizinhos que tambem apresentam baixos
valores.
Q3BA: localizado no quadrante superior esquerdo, mostra as regioes com valores
baixos cercados por vizinhos que apresentam valores altos.
Q4AB: localizado no quadrante inferior direito, demonstra regioes com altos valores
para as variaveis em analise cercados por regioes com baixos valores.
Os quadrantes AA e BB apresentam autocorrelacao espacial positiva. Ja os quadrantes BA e AB apresentam autocorrelacao espacial negativa. (Perobelli, 2008 et alli, p.
7).
Para a mensuracao da correlacao espacial entre diferentes atributos, calculou-se o
I de Moran univariado. Segundo Almeida (2004), esse teste estatstico pode ser utilizado
tanto para uma analise univariada, como para uma analise multivariada.
Os resultados demonstram que Ib > E(I), indicando que a presenca da autocor-

relacao espacial positiva, ou seja, tanto para o IDE, IDI, IDM e IDMPE havera sempre uma
tendencia de regioes com altos (baixos) valores estarem rodeados de municpios com altos
(baixos) valores para estes subndices, o que parece ser muito condizente com a teoria da
localizacao descrita por Krugman, Fujita e Venables (2002) (32).

45

Como descrito na metodologia, uma limitacao do I de Moran Global e o dele poder


esconder padroes locais de autocorrelacao espacial. Na figura 12, procurou-se identificar a
formacao de agrupamentos (clusters) atraves do indicador de associacao local (LISA)
Os mapas (vide anexos 12) nos demonstram os municpios onde o mimetismo16 pode
apresentar maior potencial, independente de seus valores de IDMPE.
O cruzamento do IDMPE com os subndices atraves do I de Moran Global Bivariado
nao sera condizente com a realidade uma vez que o IDMPE consiste na media aritmetica
simples dos tres indicadores.

16

Processo de convergencia entre os municpios de uma determinada regi


ao no processo de desenvolvimento.

46

Modelo de Simula
c
ao com AF para o Indice de
Desenvolvimento Empresarial
O problema nao e que os computadores passem a pensar como a gente, mas que
a gente passe a pensar como eles. (Erich Fromm)

O modelo de simulacao a seguir sera enunciado sob as perspectivas teorico/metodologicas,


seguido de uma secao discutindo os resultados gerados com as premissas abordadas.
Considerando a visao de Gujarati (2000 p. 455) (37) de que Um modelo nunca
pode ser uma descricao completamente precisa da realidade; para descrever a realidade talvez
tenhamos de desenvolver um modelo t
ao complexo que ter
a pouco uso pratico.
E a concepcao da vertente neo-schumpeteriana e pos-keynesiana onde,
O principal terreno comum dessas correntes e a rejeic
ao de dois pressupostos te
orico-metodol
ogicos neocl
assicos fundamentais: (i) o princpio da
racionalidade substantiva (maximizadora), mesmo quando sob informac
ao
incompleta, e (ii) o equilbrio de agentes e mercados. (i) Em relac
ao ao
processo de decis
ao racional dos agentes, as duas correntes assumem como
pressuposto (ou ao menos entre os p
os-keynesianos pressupostos compatveis com) a racionalidade limitada e processual desenvolvida por Simon
(1983), permitindo conciliar a racionalidade instrumental (adequac
ao de
meios a fins) com a incerteza em sentido forte (Knight e Keynes), caracterstica de ambientes onde existem lacunas incontorn
aveis de informac
ao
e complexidade, seja no sentido cognitivo ou computacional. Nesse contexto, a racionalidade implica soluc
oes sub-
otimas do tipo satisfacing que
levam a estrategias caracterizadas pela adoc
ao de rotinas e convenc
oes
(apud Heiner, 1983 e Nelson e Winter, 1982). Possas et. alli (2000, p.
1) (55)

nao corrobora com a percepcao de Knight e Keynes em relacao a incerteza, uma


vez que para esses autores a incerteza e no sentido forte e indicando a ignorancia completa
sobre o futuro de modo que os teoremas de probabilidade nao sao aplicaveis na formulacao
dos cenarios e na dificuldade de obtermos uma medida que consiga captar o desenvolvimento
empresarial, atraves de seu ambiente somente.

4.1 AF, Construcao de Cenarios e Simulacao de Monte Carlo


Inicialmente a construcao do modelo de simulacao se dara da seguinte maneira.
Como a crtica em relacao ao uso da mesma ponderacao em torno dos tres ambientes (empresarial, institucional e mercadologico) pode ser contornado com a AF, o computo do

47

ID-MPE PR sera obtido num primeiro estagio e posteriormente serao nomeados os fatores/componentes do ndice.
Os procedimentos metodologicos para a construcao do modelo de simulacao podem
ser generalizados conforme os passos a seguir:
1. Avaliacao dos pressupostos estatsticos basicos para a AF (normalidade, homocedasticidade e linearidade)
2. Construcao das variaveis nao como taxas de variacao e sim como taxas de crescimento
3. Computo do Indice dentro da escala 0 e 1, sem criacao de municpios fictcios e sem
a restricao de pesos de 1/3 para cada subndice, ou seja, a padronizacao assumira a
seguinte especificacao:
IDMSi = wbi

b min(G
b )
b min(G
b )
G
G
i
i
k
k
bk
+
w
b
b
b
b )
max(Gi ) min(Gi )
max(Gk ) min(G
k

(4.1)

onde: IDMSi e o Indice de Desenvolvimento Empresarial Simulado para o iesimo


municpio; wbi e wbk representam os percentuais de variancia explicada dos fatores i a k
b eG
b representam os escores fatoriais estimados para os fatores i a k.
eG
i
k

4. Utilizacao do ndice calculado para formulacao do cenario mais provavel com um


desvio-padrao para cima o otimista e um desvio-padrao para baixo no pessimista
para cada fator obtido.
5. Revisao das probabilidades atribudas com Teorema de Bayes para as condicoes pessimista, mais provavel e otimista.
6. Simulacao de Monte Carlo para o cenario e avaliacao das estatsticas descritivas.
Inicialmente o pressuposto estatstico da normalidade da distribuicao univariada1
sera procedido atraves da estatstica de Jarque-Bera
A2 (C 3)2
+
JB = n
6
24

(4.2)

onde: A representa a assimetria e C o coeficiente de curtose da variavel em analise.


Sob a hipotese nula de que os dados seguem a distribuicao normal com simetria = 0 e curtose
= 3. Um valorp suficientemente baixo implica a rejeicao da mesma, ou seja, indica que os
dados nao tem distribuicao normal.
1

Vide Hair et. alli (1995) para outros testes univariados parametricos e n
ao parametricos.

48

A condicao de homocedasticidade2 , ou seja, quando as variancias do modelo estimado forem identicas (E(u2i ) = 2 i = 1, 2, . . . , n) sera avaliada atraves do teste naoparametrico de Levene, da seguinte maneira:
Primeiramente fazemos uma transformacao dos dados originais e aplicar aos dados
transformados o teste da ANOVA. Levene (1960) propros a seguinte transformacao:
zij = |xij xi |,

i = 1, . . . , k

e j = 1, . . . , n

(4.3)

onde:
zij representa os dados apos transformacao; xij : representa os dados originais; e xi :
representa a media do nvel i, para os dados originais.
Uma transformacao (robusta) alternativa considerada para o procedimento de Levene, proposto por Brown (1974), e substituir a media do nvel pela mediana.
Para obter a mediana devemos, em primeiro lugar, ordenar os dados do menor para
o maior valor. Se o n
umero de dados for mpar, a mediana sera o dado central. Se o n
umero
de dados for par, a mediana sera a media aritmetica dos dois dados centrais.
Com isso, a expressao a seguir e substituda por
zij = |xij xei |,

i = 1, . . . , k

e j = 1, . . . , n

(4.4)

onde:
zij representa os dados apos transformacao; xij representa os dados originais; e xei :

representa a mediana do nvel i, para os dados originais.

Apos a transformacao dos dados originais pela expressao (4.3), aplicamos o teste da
ANOVA. Se a estatstica F for significativa rejeitamos a hipotese de igualdade das variancias.
E finalizando a primeira etapa metodologica avaliaremos a condicao de linearidade
que segundo Hair et. alli (2008, p. 86) (38):
Como as correlac
oes apresentam apenas a associac
ao entre as vari
aveis, os
efeitos n
ao-lineares n
ao ser
ao representados no valor de correlac
ao. Essa
sempre
omiss
ao resulta numa subestimac
ao da forca real da relac
ao. E
prudente examinar todas as relac
oes para identificar desvios de linearidade
que possam afetar a correlac
ao.

Os autores supracitados recomendam que se utilize diagramas de dispersao das


2

Homoscedasticidade, ou igual (homo) dispers


ao (scedasticidade), isto e, igual vari
ancia. Uma definicao
mais precisa seria na qual uma distribuicao de frequencia em que todas as distribuicoes condicionadas tem
desvios padr
ao iguais.

49

variaveis para identificar quaisquer padroes de nao-linearidade dos dados.


Como os dados analisados sao do tipo cross-section 3 e como os fenomenos de outliers
(p. ex. dados de populacao das capitais) espera-se que um padrao de nao-linearidade nos
dados seja facilmente identificavel.
Em relacao ao segundo ponto metodologico descrito nesta secao, podemos obter as
taxas de crescimento conforme elucida Gujarati (2000, p. 159-162) (37). Primeiramente
consideremos a seguinte funcao:
Yt = Y0 (1 + r)t
em que r e a taxa composta (isto e, ao longo do tempo) de crescimento de Y . Se
tirarmos o t do expoente obteremos:
ln Yt = ln Y0 + t ln(1 + r)
Sejam agora:

1 = ln Y0
2 = ln(1 + r)
reescrevemos a equacao anterior como:
ln Yt = 1 + 2 t
e se adicionarmos o termo de perturbacao `a equacao acima, obtemos:
ln Yt = 1 + 2 t + u

(4.5)

Onde t representa o tempo, que assume valores 1, 2, 3, etc. Nesse modelo assumimos que
2 =

variacao relativa no regressando


variacao relativa no regressor

sabendo-se que 2 fornecera a taxa de crescimento instantanea, ou seja, em um ponto


do tempo e nao a taxa composta, no decurso de um perodo que pode ser obtida atraves do
antilog de (2 1) 100.
Se multiplicarmos a variac
ao relativa em Y por 100 fornecer
a ent
ao a
variac
ao percentual, ou a taxa de crescimento, em Y para uma variac
ao
absoluta em X, o regressor.
3

S
ao dados de uma ou mais vari
aveis coletados no mesmo ponto do tempo (...)
p.12) (37)

Gujarati (2000,

50
Um modelo log-lin (...) e particularmente u
til em situac
oes em que a
vari
avel X e o tempo, como em nosso exemplo do PNB [sic], j
a que, nesse
caso o modelo descreve a taxa de crescimento (se 2 > 0) relativo constante
(= 2 ) ou percentual constante (100 2 ) ou a taxa de declnio (2 < 0),
na vari
avel Y . Da o motivo de modelos log-lin [sic] serem chamados de
modelos de crescimento constante. Gujarati (2000, p. 160) (37)

Partindo para a proxima etapa metodologica, se os dados nao forem normalmente


distribudos, nao-lineares ou heteroscedasticos, o procedimento adotado (e mais recomendado
pela literatura) sera o da padronizacao dos dados para obterem media zero e desvio padrao
1.
Em seguida, partimos para a etapa metodologica da construcao dos cenarios que
incorpora os seguintes conceitos (Extrado de Levine, et. alli (2000) (49)):
Inicialmente, para que se possa considerar os varios rumos de acao alternativos para
o conjunto completo de eventos, pode-se desenvolver uma tabela de retorno ou uma arvore
de decisao. Uma tabela de retorno contem todos os possveis eventos que podem ocorrer em
cada rumo de acao alternativo. Para cada combinacao de um evento com um rumo de acao,
deve estar disponvel um retorno.
Em seguida obtemos a perda de oportunidade que e a diferenca entre o lucro mais
elevado possvel para um evento e o lucro real obtido para uma acao empreendida e o Valor
Esperado (esperanca matematica (E(x))) para um rumo de acao j e o lucro para cada
combinacao (Xij ) do evento i e da acao j, vezes a probabilidade de ocorrencia do evento pi ,
somado para todos os eventos. A expressao e dada por:

V Ej =

N
X

Xij pi

i=1

onde V Ej = valor esperado da acao j; Xij = o retorno que ocorre quando o rumo
de acao j e selecionado e o evento i ocorre; pi = a probabilidade de ocorrencia do evento i.
e da mesma forma obtemos a perda de oportunidade esperada da acao j onde

P OEj =

N
X

lij pi

i=1

onde lij = a perda de oportunidade que ocorre quando o rumo de acao j e escolhido
e o evento i ocorre; e pi = probabilidade de ocorrencia do evento i.
Vale informar que na maioria dos casos da formulacao destes cenarios a atribuicao de
probabilidades pode ser definida objetivamente ou subjetivamente pelo analista/pesquisador,
todavia, o diferencial neste trabalho consistira no uso da variancia explicada para cada fator

51

formado pela AF como probabilidade seguindo a tradicao frequentista.


Apos a obtencao da POE e do VE e necessario avaliar a variabilidade dos eventos
(neste caso, os desvios em relacao aos fatores), calcularemos a variancia e o desvio padrao
para cada situacao, ou rumo de acao alternativo.
j2 =

n
X
i=1

(xi )2 pi

(4.6)

e o coeficiente de variacao que fornece uma medida de variacao relativa:


cv = (/) 100
Uma vez que o cv apenas mosta o tamanho relativo da variacao, comparada `a media
aritmetica (ou ao VE ou ), e necessario um criterio diferente para expressar a relacao entre
retorno (rendimento) e o risco (conforme expresso pelo desvio padrao). Um desses criterios
e a rela
c
ao risco e retorno, que representa o VE dividido pelo desvio padrao:
Relacao entre retorno e risco =

V Ej
j

(4.7)

onde V Ej = valor esperado para a acao j e j = o desvio padrao para a acao j.


De modo que quanto maior esta relacao, melhor este rumo de acao em relacao ao
outro.
As informacoes da amostra podem ser incorporadas ao desenvolvimento de probabilidades, que sao parte fundamental de varios rumos de acao alternativos. O procedimento
para revisar essas probabilidades e conhecido como Teorema de Bayes.
O teorema de Bayes pode ser desenvolvido a partir da definicao de probabilidade
condicional dada a seguir:
Quando estamos calculando a probabilidade de um evento A, sendo dadas as informacoes sobre a ocorrencia de um evento B, essa probabilidade e chamada de probabilidade
condicional, p(A|B). A probabilidade condicional p(A|B) pode ser definida nos seguintes termos:
A probabilidade de A, dado B, e igual `
a probabilidade de A e B dividida pela probabilidade de B.

p(A|B) =
onde

p(A e B)
p(B)

(4.8)

52

p(A e B) = probabilidade combinada de A e B


p(B) = probabilidade marginal de B.
Entao de 4.8 para encontrarmos p(B|A), pelo famoso Teorema da Adicao:

p(A) = p(A|B1 )p(B1 ) + p(A|B2 )p(B2 ) + . . . + p(A|Bk )p(Bk )

(4.9)

onde B1 , B2 , . . . , Bk = k eventos mutuamente excludentes4 e coletivamente exaustivos5 .


Substitumos p(A) na equacao 4.9 e obtemos o Teorema de Bayes na equacao 4.10
p(Bi |A) =

p(A|Bi )p(Bi )
p(A|B1 )p(B1 ) + p(A|B2 )p(B2 ) + . . . + p(A|Bk )p(Bk )

(4.10)

ou entao, simplificando a expressao teremos


p(A|Bi )p(Bi )
p(Bi |A) = X
n
p(A|Bk )p(Bk )

(4.11)

k=1

onde Bi e o iesimo evento entre k eventos mutuamente excludentes.


A finalidade do uso do Teorema de Bayes combinada com Simulacao de Monte
Carlo, consiste no refinamento dos pesos dos fatores obtidos obtendo assim um ranqueamento
simulado para os municpios paranaenses.
De acordo com Dapugnar (2007, p. 1) (19)
A simulation is an experiment, usually conducted on a computer, involving
the use of random numbers. A random number stream is a sequence of statistically independent random variables uniformly distributed in the interval
[0,1). Examples of situations where simulation has proved useful include:
(i) modelling the flow of patients through a hospital;
(ii) modelling the evolution of an epidemic over space and time;
(iii) testing a statistical hypothesis;
(iv) pricing an option (derivative) on a financial asset.

Conforme Shamblin (1979) (61) a tecnica de Monte Carlo pode ser apresentada
atraves dos seguintes passos:
1. Estabelecimento da distribuicao de probabilidade A distribuicao de probabilidade
4

Dois ou mais eventos s


ao mutuamente excludentes quando a realizacao de um exclui a realizacao do
outro ou dos outros. Se dois eventos s
ao mutuamente excludentes, a probabilidade de que um ou outro
se realize e igual a soma das probabilidades de que cada um deles se realize. p = p1 + p2 ou ent
ao se
p(A ou B) = p(A) + p(B)
5
Os eventos s
ao coletivamente exaustivos se ao menos um tiver de ocorrer durante um dado experimento
(esgotam-se todas as possibilidades).

53

para uma dada vari


avel pode ser obtida atraves da consulta de dados hist
oricos ou
estimativas. Quando se utilizam dados hist
oricos, vale o pressuposto de que estes dados poder
ao descrever adequadamente o futuro. Porem, se isto n
ao for correto, o
recomendavel e que se trabalhe com estimativas. (Pamplona e Silva, 2005, p. 4) (51))
2. Construcao da funcao de distribuicao acumulada (FDA) para cada variavel.
3. Estabelecimento dos n
umeros de etiqueta ou dos intervalos de classe.
4. Geracao de n
umeros aleatorios Os n
umeros aleatorios podem ser obtidos atraves
de tabelas ou gerados pelo computador. Da mesma forma, o n
umero de dgitos usados

nos n
umeros aleatorios dever ser o mesmo que o n
umero de dgitos usado nos n
umeros
de etiqueta. (Pamplona e Silva, 2005, p. 5) (51)
5. Simulacao do experimento
Deste modo a Simulacao de Monte Carlo fornece uma estimativa do valor do cenario
escolhido esperado, assim como um erro para a estimativa, o qual e inversamente proporcional
ao n
umero de iteracoes. O erro total e dado por:
3
=
N

(4.12)

onde e o desvio-padrao da variavel aleatoria e N o n


umero de iteracoes. Ou
seja, quanto maior o n
umero de iteracoes, menor sera o erro. Assumiremos que as v.a. sao
i.d.d. (assume-se que a combinacao linear entre as variaveis aleatorias podem ser tambem
nao-lineares).
De (4.12) obteremos o calculo do n
umero total de iteracoes que pelo Teorema do
Limite Central6 expressa o fato de a soma de muitas variaveis aleatorias independentes e
com mesma distribuicao de probabilidade tenderem `a distribuicao normal, tambem conhecida
como distribuicao Gaussiana. Por exemplo, o resultado de um jogar de dados nao viciados
tem distribuicao de probabilidade retangular, isto e, todos os resultados possveis tem a
probabilidade de 1/6. Ja a distribuicao de probabilidade da soma dos valores obtidos num
jogar de varios dados tende a forma gaussiana.


3
N=


2

(4.13)

Formalmente dizemos que se x1 , x2 , . . . , xn s


ao uma sequencia de n vari
aveis aleat
orias independentes e
identicamente distribudas (i.i.d.), com media e vari
ancia 2 > 0, ambas finitas.
Ent
ao a vari
avel aleat
oria:
x1 , x2 , . . . , xn n

Zn =
N
converge em distribuicao para a distribuicao normal padr
ao (0,1).

54

Esta e a estimativa de um n
umero mnimo de iteracoes, o que significa que um
n
umero consideravelmente maior que este deve ser levado em conta para um bom resultado
de simulacao.

4.2 Analise e discussao dos resultados simulados


A respeito do uso dos modelos de simulacao na Economia, Gleiser (2000, p. 233) (33)
enfatiza que:
Mesmo que estes modelos n
ao possibilitem previs
oes eles devem ser utilizados para ajudar na
ardua tarefa de entender as consequencias de polticas
governamentais. Assim como a Teoria da Evoluc
ao de Darwin n
ao prediz
a formac
ao de especies mas ajuda a entender a diversidade da Natureza,
simulac
oes da economia podem ajudar a elucid
a-la sem necessariamente
possuir poder preditivo em ambientes complexos.

A analise grafica descrita na secao 3.4 nos demonstrou que os dados da cross-section
nao se comportaram nem proximos da distribuicao normal e apresentaram caractersticas de
nao-linearidade e heterocedasticidade. Apos a transformacao das variaveis que eram somente
taxas de variacao, adotamos como criterio a construcao das taxas de crescimento conforme
descrito na equacao 4.5 para o PIB de 2009 e 2008 e massa salarial (bruta) e transformamos
todas as variaveis para a distribuicao normal padronizada Z.
Assim, a etapa posterior do modelo proposto consiste em se construir a analise
fatorial da maneira como e descrita na literatura especializada, de modo que, as componentes/fatores sejam construdos apos a base de dados construda.
Medidas de valores de adequac
ao da amostra (MSA) devem exceder 0,50
tanto para o teste geral quanto para cada variu
avel individual; vari
aveis
com valores inferiores a 0,5 devem ser omitidas da an
alise fatorial uma
por vez, sendo aquela com menor valor eliminada a cada vez. Hair et. alli
(2009, p. 110) (38)

Deste modo, procedemos na busca de uma amostra que fosse capaz de fornecer uma
AF satisfatoria atraves do teste KMO:

55

Tabela 21: Resultados do teste de adequacao amostral de KMO para o modelo proposto
IDE1 PIBREALPADR
IDE2 TXPIBPADR
IDE3 TXINATPADR
IDE4 TXCRIAPADR
IDE5 TXEMPREENDPADR
IDM1 CRIAEMPREABSPADR
IDM2 VAFPADR
IDM3 TXCRESCMASSAPADR
IDM4 MASSABRPADR
IDM5 POPPADR
IDM6 RENDAPCPADR
IDI1 CAPINVPADR
IDI2 CTIBRPADR
IDI3 IDEBPADR
IDI4 CORRBRPADR
IDI5 SISTFINBRPADR
IDI6 ASSOCBRPADR
IDI7 LGPADR
Kaisers MSA

MSA
0.820061
0.544675
0.468409
0.519553
0.616384
0.877717
0.847280
0.243422
0.919635
0.905341
0.884296
0.792646
0.811299
0.521151
0.976907
0.888035
0.944091
0.591099
0.868895

Atraves dos resultados obtidos com o teste de KMO, podemos excluir da analise
as variaveis Taxa de Inatividade e Taxa de Crescimento da Massa Salarial. A justificativa
economica para tal procedimento consiste no fato da AF captar variaveis de maior dimensao
e variancia. Assim, como a Taxa de Inatividade assume a interpretacao do quanto maior
pior, o ideal seria que utilizassemos em seu lugar uma Taxa de Atividade das Empresas.
Em seguida, rodamos novamente o teste KMO sem essas duas as variaveis:
Tabela 22: Resultados do teste KMO com exclusao de variaveis
IDE1 PIBREALPADR
IDE2 TXPIBPADR
IDE4 TXCRIAPADR
IDE5 TXEMPREENDPADR
IDI1 CAPINVPADR
IDI2 CTIBRPADR
IDI3 IDEBPADR
IDI4 CORRBRPADR
IDI5 SISTFINBRPADR
IDI6 ASSOCBRPADR
IDI7 LGPADR
IDM1 CRIAEMPREABSPADR
IDM2 VAFPADR
IDM4 MASSABRPADR
IDM5 POPPADR
IDM6 RENDAPCPADR
Kaisers MSA

MSA
0.826290
0.538225
0.419432
0.615244
0.793498
0.814990
0.515243
0.977114
0.894062
0.944142
0.598152
0.903075
0.853677
0.915062
0.906844
0.883695
0.877469

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Finalmente nessa proxima tentativa obtemos a adequacao amostral para uma AF


consideravel para que tenhamos condicoes de avaliarmos minimamente a estrutura:

56

Tabela 23: Resultados finais do teste KMO e variaveis selecionadas para AF


IDE1 PIBREALPADR
IDE2 TXPIBPADR
IDE5 TXEMPREENDPADR
IDI1 CAPINVPADR
IDI2 CTIBRPADR
IDI3 IDEBPADR
IDI4 CORRBRPADR
IDI6 ASSOCBRPADR
IDI5 SISTFINBRPADR
IDI7 LGPADR
IDM1 CRIAEMPREABSPADR
IDM2 VAFPADR
IDM4 MASSABRPADR
IDM5 POPPADR
IDM6 RENDAPCPADR
Kaisers MSA

MSA
0.826246
0.536118
0.612802
0.792661
0.814657
0.524737
0.977129
0.944015
0.893724
0.613061
0.904698
0.853669
0.915135
0.906740
0.883075
0.878201

Assim, as variaveis que foram excludas da analise de acordo com este criterio foram
as seguintes: Taxa de Inatividade, Taxa de Crescimento da Massa Salarial e Taxa de Criacao
de Estabelecimentos.
Tabela 24: Matriz nao rotacionada e analise de fatores comuns para o modelo a simular
IDE1 PIBREALPADR
IDE2 TXPIBPADR
IDE5 TXEMPREENDPADR
IDI1 CAPINVPADR
IDI2 CTIBRPADR
IDI3 IDEBPADR
IDI4 CORRBRPADR
IDI6 ASSOCBRPADR
IDI5 SISTFINBRPADR
IDI7 LGPADR
IDM1 CRIAEMPREABSPADR
IDM2 VAFPADR
IDM4 MASSABRPADR
IDM5 POPPADR
IDM6 RENDAPCPADR
Fator
F1
F2
F3
Total

F1
0.974045
-0.059531
0.193422
0.450399
0.981737
0.021297
0.848504
0.949516
0.985295
0.090185
0.958237
0.984284
0.976874
0.985205
0.535919
Variancia
8.856474
1.320938
0.549791
10.72720

F2
-0.086979
-0.036959
0.646996
0.546063
-0.157976
0.169155
0.017379
0.118305
-0.137800
0.191703
-0.188553
-0.089706
-0.176430
-0.041846
0.628597
Cumulativo
8.856474
10.17741
10.72720
29.76109

F3
-0.030937
0.315661
0.097953
-0.376756
0.054832
0.402973
-0.035573
0.006947
0.036215
0.314725
0.096084
-0.011233
0.058404
-0.093640
0.095099
Diferenca
7.535535
0.771147

Comunalidade
0.957286
0.104552*
0.465611*
0.642990
0.991770
0.191454*
0.721526
0.915626
0.991106
0.143935*
0.963002
0.976989
0.988821
0.981148
0.691386
Proporcao
0.825609
0.123139
0.051252
1.000000

Cumulativo
0.825609
0.948748
1.000000

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Algumas comunalidades (destacadas com *) se mostraram insuficientes por apresentarem valores inferiores a 0,5. Todavia, focaremos nossa atencao nos resultados obtidos
com o teste KMO e com a analise de fatores comuns.
Para obtermos uma analise mais adequada e precisa da estrutura inerente na interelacao dos dados rotacionamos a matriz de cargas fatoriais:

57

Tabela 25: Resultados da matriz fatorial rotacionada para as variaveis do modelo a simular
IDE1 PIBREALPADR
IDE2 TXPIBPADR
IDE5 TXEMPREENDPADR
IDI1 CAPINVPADR
IDI2 CTIBRPADR
IDI3 IDEBPADR
IDI4 CORRBRPADR
IDI6 ASSOCBRPADR
IDI5 SISTFINBRPADR
IDI7 LGPADR
IDM1 CRIAEMPREABSPADR
IDM2 VAFPADR
IDM4 MASSABRPADR
IDM5 POPPADR
IDM6 RENDAPCPADR

F1
0.967363
-0.039157
0.047739
0.304616
0.993546
-0.003345
0.821659
0.899044
0.991895
0.055787
0.978843
0.978609
0.993036
0.966081
0.385444

F2
0.135085
-0.064724
0.668310
0.650820
0.063516
0.149744
0.208761
0.327554
0.084860
0.191435
0.026474
0.133762
0.044289
0.184577
0.727277

F3
-0.056985
0.314372
0.129204
-0.355854
0.024552
0.411120
-0.053115
-0.007318
0.007001
0.322762
0.064561
-0.037691
0.027207
-0.117335
0.117847

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

A tabela acima nos demonstra que a variavel empregos em CT&I bruta e a que mais
exerce influencia no fator, seguida da massa salarial bruta e do n
umero dos postos bancarios
(sistema financeiro).
A respeito desta u
ltima variavel e importante ressaltar que a mesma nao e capaz de
refletir fidedignamente um sistema financeiro:
Formam o chamado sistema monet
ario: Todas as instituico
es que podem criar moeda (Banco Central com a criac
ao de moeda manual e Bancos Comerciais com a criac
ao de moeda escritural); Formam o sistema financeiro n
ao-monet
ario: Instituic
oes financeiras n
ao autorizadas a receber
dep
ositos `
a vista; (Cardim de Carvalho et. alli, 2000) (11)

Todavia dentro da composicao da variavel associativismo temos o n


umero das cooperativas de credito que entram como parte do sistema financeiro nao-monetario.
A partir da equacao 4.1 e dos resultados da analise de fatores comuns descritos na
tabela 25 obtemos a seguinte expressao:
IDMSi = 82, 52%
|

b i min(G
bi)
G

b i ) min(G
bi)
max(G
{z

primeiro fator extrado

+12, 31%
|

b k min(G
bk)
G

b k ) min(G
bk)
max(G
{z

segundo fator extrado

+5, 12%
|

b l min(G
bl)
G

b l ) min(G
bl)
max(G
{z

terceiro fator extrado

b representa o i
Lembrando que G
esimo escore fatorial estimado e os valores em
i

percentual a parcela de variancia explicada de cada fator extrado.

Em seguida procedemos para a Reducao de dados estende esse processo derivando


um valor emprico (escore fatorial) para cada dimens
ao (fator) e ent
ao substituindo o valor
original por esse novo valor. (Hair et. alli (2009, p. 105) (38)

58

Os graficos a seguir demonstram o procedimento de rotacao e alocacao de cada


variavel em cada fator:

Figura 9: Comparativo das cargas nao rotacionadas e rotacionadas para o indicador proposto
Como a AF organizou os dados em tres componentes organizamos os resultados da
matriz rotacionada e das mesmas dentro de cada componente:
Tabela 26: Organizacao das variaveis nas componentes no modelo proposto
F1

82.56%

F2

12.31%

F3

5.13%

IDE1 PIBREALPADR
0.967363
IDM1 CRIAEMPREABSPADR
0.978843
IDE5 TXEMPREENDPADR
0.66831
IDE2 TXPIBPADR
0.314372

IDI2 CTIBRPADR
0.993546
IDM2 VAFPADR
0.978609
IDI1 CAPINVPADR
0.65082
IDI3 IDEBPADR
0.41112

IDI4 CORRBRPADR
0.821659
IDM4 MASSABRPADR
0.993036
IDM6 RENDAPCPADR
0.727277
IDI7 LGPADR
0.322762

IDI6 ASSOCBRPADR
0.899044
IDM5 POPPADR
0.966081

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

Nota-se que as variaveis de dimensao (Crescimento Schumpeteriano) concentramse no primeiro fator como populacao, VAF, PIB e massa salarial bruta. Ja o segundo fator
ordenou as variaveis de IDE, IDI e IDM (proposto pelo Sebrae e IBQP (2009)), empreendedorismo, capacidade de investimento municipal e renda per capita fornecendo evidencia do
que se possa entender como Crescimento Solowiano e na terceira componente podemos
rotular o fator como sendo Ambiente Institucional.
A dificuldade em se rotular os fatores e descrita por Hair et. alli (2009, p. 122) (38)
Esse r
otulo n
ao e determinado ou designado pelo programa computacional
que realiza a an
alise fatorial; em vez disso o r
otulo e desenvolvido intuiti-

59
vamente pelo pesquisador com base em sua adequac
ao para representar as
dimens
oes latentes de um fator particular. Segue-se o procedimento adotado para cada fator extrado. O resultado final ser
a o nome ou r
otulo que
represente cada fator determinado da melhor maneira possvel.

Como o resultado de cada componente sera dado pela multiplicacao entre o percentual de variancia explicada do fator e o escore fatorial padronizado para os valores 0 e 1,
ranqueamos os municpios em ordem decrescente para cada componente rotulada (Crescimento Schumpeteriano, Crescimento Solowiano e Ambiente Institucional). Os resultados dos 10 maiores de cada componente estao elencados a seguir: (Consulte os anexos para
visualizar os resultado completos.)
Tabela 27: Ranking dos maiores municpios em cada componente do modelo proposto
Municipios
Curitiba
Londrina
Maringa
Sao Jose dos Pinhais
Araucaria
Foz do Iguacu
Cascavel
Ponta Grossa
Paranagua
Toledo
Municipios
Curitiba
Maripa
Palotina
Ivatuba
Pranchita
Sao Joao
Pato Branco
Mercedes
Bom Sucesso do Sul
Vitorino

Crescimento Schumpeteriano
0.826
0.143
0.104
0.094
0.076
0.072
0.070
0.069
0.041
0.031
Ambiente Institucional
0.0512
0.0486
0.0485
0.0477
0.0475
0.0474
0.0466
0.0463
0.0459
0.0458

Posic
ao
1o
2o
3o
4o
5o
6o
7o
8o
9o
10 o
Posic
ao
1o
2o
3o
4o
5o
6o
7o
8o
9o
10 o

Municipios
Maringa
Cascavel
Londrina
Pato Branco
Palotina
Paranagua
Matinhos
Francisco Beltrao
Campo Mourao
Umuarama

Crescimento Solowiano
0.123
0.119
0.115
0.111
0.096
0.095
0.093
0.092
0.091
0.091

Posic
ao
1o
2o
3o
4o
5o
6o
7o
8o
9o
10 o

Fonte: Resultados desta pesquisa a partir da sada de Eviews 6

4.2.1 Resultados para a construcao dos Cenarios


Construimos um cenario baseado em probabilidades iniciais atribudas de maneira
had-hoc de cada uma das componentes do IDMS e obtivemos as medidas de POE e VE,
conforme ilustra a tabela a seguir:

Tabela 28: Cenario construdo a partir dos resultados gerados pelo indicador proposto
pi
0.3
0.4
0.3

Evento (Ei )
Pessimista (mn. da componente)
Mais Prov
avel (media da componente)
Otimista (m
ax. da componente)

Cresc. Schump.
0.000
0.012
0.826
VE = 0.253

lij pi
0.000
0.011
0.000
POE = 0.004

Cresc.Sol.
0.000
0.036
0.123
VE = 0.051

lij pi
0.000
0.001
0.211
POE = 0.064

Amb. Inst.
0.000
0.040
0.051
VE = 0.031

lij pi
0.000
0.000
0.232
POE = 0.070

IDMS
0.000
0.088
1.000

Como sabemos que atraves da AF rodada para o IDMS temos a componente Crescimento Schumpeteriano compondo 82,56% da
variancia explicada (peso) seguida da componente Oportunidade de Negocios com 12,31% e o Ambiente Institucional com outros 5,13%
buscamos seguir a premissa de ao menos mantermos os valores esperados orientado pela mesma ordem. Ou seja, para a componenente
Crescimento Schumpeteriano teremos um maior peso, seguido da Oportunidade de Negocios e do Ambiente Institucional.
O conceito de perda de oportunidade esperada tratadaneste trabalho simula uma opcao de escolha entre uma componente a outra,
fato este que inviabiliza uma analise mais apropriada de tal medida.
Em seguida, partiremos para a simulacao deste cenario combinando n possibilidade estocasticas utilizando o procedimento da Simulacao
de Monte Carlo assumindo os valores mnimos, medios e maximos de cada componente do IDMS.

60

61

4.2.2 Resultados da Simulacao dos Cenarios via Monte Carlo


Embora a combinac
ao de estimativas n
ao tenha nenhuma limitac
ao te
orica,
na pr
atica o aumento de estimativas, e tambem o aumento do n
umero de
valores de cada estimativa, n
ao ser
a possvel de ser realizado manualmente,
por exemplo, 5 estimativas com 6 valores cada gera 7.776 combinac
oes e
correspondentes valores (...) Lapponi, (2007, p. 434) (44)

Como o procedimento de simulacao e com os dados da cross-section que contemplam


o indicador nao tem uma distribuicao de probabilidades conhecida, (fato este que necessita
de maiores estudos), (...) sua distribuicao de frequencias poder
a ser substituda por uma
distribuicao parametrica, como a distribuicao normal que facilita a obtencao e interpretacao
dos resultados, ou como o calculo da probabilidade de ocorrencia do evento, por exemplo, a
probabilidade do VPL ser positivo ou a probabilidade do VPL ser maior que certo valor.
(Lapponi, 2007 p. 435) (44)
Como pelo Teorema do Limite Central7 optamos pela utilizacao da distribuicao
uniforme contnua.
Formalizando, dizemos que a probabilidade de se gerar qualquer ponto em um intervalo contido no espaco amostral e proporcional ao tamanho do intervalo.
Seja [a, b] o espaco amostral, dizemos que a probabilidade de a variavel aleatoria x
ocorrer no intervalo infinitesimal [x , x + dx] e

1
ba

se x estiver entre a e b, e zero em caso

contrario8 .
Pela equacao 4.12 e assumindo um % de 5% obtivemos o valor de N = 2200 iteracoes.
O histograma a seguir ilustra os resultados das estatsticas descritivas e das distribuicoes aproximadas (normal e uniforme) para o cenario definido anteriormente com a
Simulacao de Monte Carlo:
Vale ressaltar que a maioria dos pacotes convencionais software utilizados para realizar a Simulacao de Monte Carlo baseiam-se no seguinte algoritmo:

)
(
1 X

3


99, 8%
Pr
<
N

N
N

De acordo com Fernandes (2005) (26) este algoritmo nao e tido como confiavel sendo
assim nao recomendavel para a Simulacao Monte Carlo. O autor sugere o uso do algoritmo
medida que o tamanho da amostra (n
A
umero de observaco
es em cada amostra) se torna suficientemente
grande, a distribuica
o de amostragem da media aritmetica pode ser aproximada pela distribuica
o normal. Isto
e verdadeiro, independentemente do formato da distribuica
o dos valores individuais da populaca
o. Levine
et. alli (2000, p. 259) (49)
8
Os resultados dos n
umeros aleat
orios para a distribuicao uniforme contnua foram gerados com o software
Matlab 6.
7

62

Figura 10: Histograma e aproximacoes das distribuicoes para o IDMS


gerador de n
umeros aleatorios desenvolvido por dois matematicos japoneses, Makoto Matsumoto e Takuji Nishimura intitulado Mersenne Twister9 .
Neste trabalho foi utilizada a toolbox randtool do software Matlab 6.5 para a geracao
dos n
umeros aleatorios com distribuicao uniforme seguindo os limites definidos no cenario
descrito na secao anterior.
Da mesma forma, nesta simulacao a probabilidade do IDMS ser maior que zero foi
de 97,6%, resultado muito proximo de 100%, o que mostra que o risco do IDMS ser negativo
e de aproximadamente 2,4%. O coeficiente de variacao de 46,5% mostra um risco baixo de
erro da simulacao realizada.
Se utilizarmos os resultados gerados pela simulacao e assumirmos que se as experiencias do passado indicaram que, quando ocorreu uma recessao (evento pessimista),
as previsoes do passado apontaram para uma economia em expansao em 20% dos casos.
Quando ocorreu uma estabilidade na economia, em 40% dos casos as previsoes do passado
apontaram para uma economia em expansao. Finalmente, quando houve um crescimento
moderado, as previsoes do passado apontaram para uma economia em expansao em 70% dos
casos.
Como o IDMS e uma tentativa quantitativa de mensuracao do ambiente de negocios,
nao restrito `as micro e pequenas empresas, desejamos saber como as probabilidades das
condicoes economicas passadas devem ser revistas se os prognosticos apontarem para uma
economia em expansao.
Aplicando a equacao 4.11 obteremos o novo cenario com as probabilidades subjetivas
9

O aplicativo livre para uso no software comercial Microsoft Excel, pode ser obtido no endereco
http://www.math.sci.hiroshima-u.ac.jp/

63

revisadas pelo Teorema de Bayes:


Tabela 29: Calculos do teorema de Bayes, para a revisao das probabilidades do cenario
proposto

Evento Ei
Pessimista (mnimo da componente)
Mais Prov
avel (media da componente)
Otimista (m
aximo da componente)

Prob.
do Passado
p(Ei )
0.1
0.6
0.3

Prob.
Condicional
p(F1 |Ei )
0.2
0.4
0.7

Prob
Combinada
p(F1 |Ei )p(Ei )
0.02
0.24
0.21

Prob
Revisada
p(Ei |Fi )
0.04
0.51
0.45

Desta forma se reconstruirmos o cenario disposto em 28 obteremos a seguinte composicao:

Tabela 30: Cenario para IDMS com probabilidades revistas via Teorema de Bayes
pi
0.04
0.51
0.45

Evento (Ei )
Pessimista (mnimo da componente)
Mais Prov
avel (m
edia da componente)
Otimista (m
aximo da componente)

Crescimento Schumpeteriano
0.000
0.012
0.826
VE = 0.375

lij pi
0.000
0.014
0.000
POE = 0.007

Oportunidade de Neg
ocios
0.000
0.036
0.123
VE = 0.074

lij pi
0.000
0.002
0.314
POE = 0.141

Ambiente Institucional
0.000
0.040
0.051
VE = 0.043

lij pi
0.000
0.000
0.346
POE = 0.155

IDMS
0.000
0.088
1.000

Que aponta um resultado mais favoravel ao ambiente de negocios com um equilbrio entre os eventos mais provavel e otimista,
indicando um terreno de boas oportunidades para as empresas e o entorno competitivo. Todavia, o evento pessimista tambem deve ser lembrado
no sentido de que em perodos de crise ou desanimos das expectativas dos agentes economicos, surgem as chamadas inovacoes incrementais e
radicais.
Schumpeter distingue as inovacoes capazes de provocar rupturas no equilbrio geral das que provocam reacoes adaptativas. Deste
modo, uma inovacao que implique em novos investimentos e englobe atividades economicas com grandes encadeamentos a jusante e a montante
induzira a realizacao de inovacoes adaptativas. Assim, na esteira das inovacoes prim
arias e induzidas, [havera] uma onda secundaria capaz
de manter, durante algum tempo, efeitos de desajuste, ao mesmo tempo abrangente e significativos, e, assim (...), provocar uma flutuacao
(...) que possa ser chamada de ciclo Schumpeter (1985, p. 192) (69).
Portanto, a simples combinacao do modelo de desenvolvimento empresarial (IDMS) e sua tentativa de mensuracao do ambiente de
negocios atraves de um indicador baseado em fontes secundarias, mostra-se extremamente limitado, uma vez que uma cadeia de complexidade
e fatores de diversas dimensoes podem explicar este fenomeno com mais clareza. A teia envolve desde processos de gestao, fatores humanos,
sociais, intelectuais, culturais, polticos, institucionais, tecnologicos, financeiros, economicos e por adiante.
A necessidade de pesquisas futuras que se mostrem capazes de simular diversos cenarios e condicoes atraves de jogos evolucionarios
adaptativos, modelos baseados em agentes e neurociencia por exemplo, tem gerado resultados mais proveitosos no que diz respeito a investigacao
dos habitats contemplando uma perspectiva mais holstica e sistemica do comportamento mutavel do ambiente de negocios.
64

65

Por outro lado os modelos baseados em agentes sao sistemas compostos de m


ultiplos
elementos computacionais interativos conhecidos como agentes. Agentes sao sistemas de
computador com pelo menos duas habilidades importantes: eles possuem alguma capacidade
de acao autonoma, decidindo o que devem realizar no intuito de satisfazer seus objetivos;
eles sao capazes de interagir com outros agentes, nao somente trocando dados, mas com
alguma atividade social analoga aquelas encontradas nos seres humanos.
Por essa razao, modelos baseados em agentes tem sido visto como uma metafora
natural para entender e construir um conjunto de modelos denominados de sociedades artificiais. Sociedades artificiais sao modelos baseados em agentes que estudam fenomenos sociais
humanos, como negociacao, migracao, formacao de grupos, combates, interacao com o ambiente, transmissao de cultura, propagacao de doencas e dinamicas populacionais. Nesses
modelos, comportamentos de grupo e estruturas sociais emergem da interacao das acoes
individuais dos agentes que atuam sob regras que consideram a informacao do mundo e
preferencias individuais (Epstein; Axtell, 1996) (Wooldridge, 2002) (75).
Nos sistemas economicos, o estudo computacional de economias modeladas atraves
de agentes interativos e chamado por alguns pesquisadores como Agent-based computational
economics (ACE) (Tesfatsion, 2006) (72)). Nesse caso, agente e um conjunto de dados e
metodos comportamentais (regras) que representam uma entidade em um mundo construdo
computacionalmente. Agentes podem ser indivduos (consumidores e produtores), grupos sociais (famlias, empresas, comunidades e agencias governamentais) e instituicoes (mercados
e sistemas reguladores). Portanto, agentes podem ser desde indivduos passivos ao ambiente
ate tomadores de decisao com habilidades de aprendizado sofisticadas. Dois dos principais
objetivos do pesquisador em ACE sao: a compreensao emprica do mercado (quais as razoes
da existencia de caractersticas especficas existentes em series financeiras ?[p.ex.]) e a compreensao normativa (como os modelos ACE podem ser usados para melhorar alguns modelos
de mercados?) (Tesfatsion, 2006 (72).

66

CONSIDERAC
OES
FINAIS
O proposito deste estudo foi demonstrar como o cenario economico modelado por

indicadores ou pela construcao cenarios pode ser extremamente restrito no que diz respeito
a real complexidade envolvida nos processos de adaptabilidade, mutacao e expectativas dos
agentes envolvidos neste sistema.
No entanto, a necessidade da criacao de algum parametro quantitativo exerce um
forte poder de influencia do que diz respeito ao campo de atuacao dos gestores de polticas
p
ublicas e de organizacoes empresariais. Neste quesito, o conceito de desenvolvimento vem
`a tona demonstrando todas as suas faces no que diz respeito aos entendimentos teoricos de
sua percepcao.
Os avancos da perspectiva neo-schumpeteriana (conforme Corazza e Fracalanza
(2004) (18)) buscam compreender a questao expectacional dos agentes onde eles sao capazes de avaliar o ambiente seletivo em que estao inseridos e mesmo com sua racionalidade
limitada podem moldar esse ambiente de maneira estrategica: Um sistema n
ao-linear e
complexo, porem organizado.
Dentro deste contexto, buscou-se criar um indicador que contemplasse as fontes de
dados secundarias livres e gratuitas e que atendesse aos requisitos fundamentais como a sua
contabilizacao anual, facil replicacao e disponibilidade.
Um primeiro resultado nos indicou que a forca das aglomeracoes e concentracoes
produtivas parece condizer com a teoria do desenvolvimento endogeno na qual a ideia mais
moderna se baseia na elaboracao e execucao de polticas de fortalecimento e melhorias na estrutura interna da regiao, gerando condicoes sociais e economicas capazes de proporcionar um
maior desenvolvimento, estimulando os fatores internos (como novas atividades produtivas,
por exemplo, ou entao fortalecendo aquelas que, tradicionalmente, sao fortes no interior de
cada regiao). A inconclusao da causa deste fenomeno encontrada em Fujita, Krugman e Vanables (2002) (32) demonstram a necessidade de investigacoes e tentativas sobre o chamado
processo que gere a ordem de tamanho das cidades. O IDMPE demonstrou que as regioes
proximas ao polo industrializado de Curitiba e em alguns pontos no interior do estado (como
Guarapuava e Cascavel) tendem a apresentar autocorrelacao positiva atraves do I de Moran,
impulsionando o mimetismo na esfera municipal.
Foi demonstrado que algumas variaveis constituintes em cada subndice, bem como

67

a restricao imposta pela premissa teorico-metodologica a priori inspirada no IDH gera os


mesmos resultados na medicao de quao escandinavo um pas e. (Kaplan, 2009) (43)
apresentam janelas para a sugestao de melhorias e reconstrucoes de forma que se busque
aproximar a mensuracao do ambiente de negocios para uma realidade empresarial menos
limitada.
Ressaltamos que a questao da replicacao dos subindicadores atraves do mesmo sistema de pesos em relacao ao ano-base tambem necessita de uma maior atencao no sentido
da irreversibilidade presente na teoria neo-schumpeteriana, de modo que, para que possamos
comparar temporalmente sua evolucao devemos compor uma amostra do tipo painel de dados, combinando as variaveis em diferentes pontos do tempo e no mesmo ponto do espaco.
Reconstruimos o indicador com o intuito de preservarmos a estrutura de interelacao
entre as variaveis constituintes e vimos que o papel do n
umero de empregados em CT&I
exerce uma maior influencia na dimensao de maior peso que rotulamos de Crescimento
Schumpeteriano (fato este que parece estar mais atrelado `a ganhos de produtividade e
melhoria do ambiente de negocios) seguido da massa salarial bruta paga nos municpios.
A geracao de alguns cenarios pode servir como uma ferramenta que combine os
resultados gerados pelos indicadores e seus diversos fatores/componentes no que diz respeito
a um maior efetivo na poltica de gestao dos policy makers e stackeholders envolvidos. Os
resultados da Simulacao de Monte Carlo, possibilitaram a reconfiguracao estocastica deste
cenario n vezes, apresentando a limitacao na definicao das hipoteses e premissas iniciais,
como o desenho de uma distribuicao de probabilidades conhecida gerado do processo.
A percepcao neo-schumpeteriana do sistema no qual as empresas/firmas estao inseridas parece condizente com as possibilidades computacionais presentes na abordagem Agent
Based Computational Economics (ACE) onde o conjunto de dados e metodos comportamentais (regras) que representam uma entidade em um mundo construdo computacionalmente.
Agentes podem ser indivduos (consumidores e produtores), grupos sociais (famlias, empresas, comunidades e agencias governamentais) e instituicoes (mercados e sistemas reguladores). Portanto, agentes podem ser desde indivduos passivos ao ambiente ate tomadores
de decisao com habilidades de aprendizado sofisticadas. Estes modelos baseados em agentes
tem sido visto como uma metafora natural para entender e construir um conjunto de modelos denominados de sociedades artificiais. Sociedades artificiais s
ao modelos baseados em
agentes que estudam fen
omenos sociais humanos, como negociacao, migracao, formacao de
grupos, combates, interacao com o ambiente, transmiss
ao de cultura, propagacao de doencas
e dinamicas populacionais. que poderia ser muito bem combinada com o entendimento de
mercado que a construcao de indicadores gera em trabalhos posteriores.

68

Refer
encias

1 Albuquerque, F. Desenvolvimento Econ


omico Local: caminhos para a
constru
c
ao de uma nova agenda poltica. Rio de Janeiro: BNDES, 2001.
2 Anderson, T. W. and H. Rubin. Statistical Inference in Factor Analysis. in
Neyman, J., editor, Proceedings of the Third Berkeley Symposium on Mathematical
Statistics and Probability, Volume V, 111-150. Berkeley and Los Angeles: University of
California Press, 1956.
3 Andre, J., V. A produ
c
ao camponesa em foco: Desenvolvimento End
ogeno,
Gravita
c
ao e C
alculo Econ
omico de base agr
aria no nordeste paraense. Tese de
Doutorado em Desenvolvimento Sustentavel, Belem, 2004.
4 Anselin, L. Interactive techniques and exploratory spatial data analysis. In: P
A Longley et al. (ed). Geographic Information System: Principles, Techniques, Management
and Applications. John Willey, New York, p. 251-264, 1999.
5 Amaral, J. Desenvolvimento end
ogeno. Anais do IX Encontro Nacional da ANPUR,
2001.
6 Barquero, V. A. Desarrollo local: una estrategia de creaci
on de empleo. Madrid,
Piramide, 1988.
7 Bailey, T.C.; Gatrell, A.C. Interactive spatial data analysis. Harlow: Longman,
1995.
8 Bernaards, C. A., and R. I. Jennrich. Gradient Projection Algorithms and
Software for Arbitrary Rotation Criteria in Factor Analysis, Educational and
Psychological Measurement, 65(5), 676-696.
9 Boisier, S. T
ecnicas de An
alisis Regional con Informaci
on Limitada,

Caderno ILPES, Serie II, N 27, Santiago de Chile.


10 Browne, M. W. An Overview of Analytic Rotation in Exploratory Factor
Analysis. Multivariate Behavioral Research, 36(1), 111150, 2001.
11 Carvalho, F., C. et. alli Economia Monet
aria e Financeira: Teoria e Poltica.
Ed. Campus, Rio de Janeiro, 2000.
12 Campos, A., C. Arranjos Produtivos no Estado do Paran
a: O caso do
Municpio de Cianorte. Tese de Doutorado em Desenvolvimento Economico, Setor de
Ciencias Sociais Aplicadas, Universidade Federal do Parana, mar.-2004. Disponvel em:
<http://dspace.c3sl.ufpr.br> Acesso em: dezembro de 2008.
13 Campos, F., L., D., Costa, M., A. Tecnologia e Sistema Nacional de Inovacao - Uma
Abordagem Complexa. In ENEGEP, Universidade Federal do Rio Grande do Sul, UFRGS,
1998.

69

14 Cassiolato, J., E., Lastres, H., M., M. Gloss


ario de Arranjos Produtivos Locais.
In: Redesist, Universidade Federal do Rio de Janeiro e Sebrae, 2002.
15 Cassiolato, J., E. Lastres, H.M.M. O enfoque em sistemas produtivos e inovacao local.
In FISCHER, T. (org.) Gest
ao do Desenvolvimento e Poderes Locais. Salvador:
Casa da Qualidade, 2002.
16 Comissao Nacional de Classificacoes (CONCLA). Disponvel em: <
http://www.ibge.gov.br/concla/default.php > Acesso em: Fevereiro de 2011.
17 Corrar, L., J., Paulo, E., Filho, J., M., D. (coord.) An
alise Multivariada. 1. ed.,
Atlas, Sao Paulo, 2009.
18 Corazza, R., I., Fracalanza, P., S. Caminhos do Pensamento Neo Schumpeteriano:
Para al
em das analogias biol
ogicas. In Nova Economia, Belo Horizonte, maioagosto,
2004.
19 Dapugnar, J., S. Simulation and Monte Carlo With applications in finance
and MCMC. In School of Mathematics University of Edinburgh, UK, John Wiley & Sons
Ltd, 2007.
20 Dixit, A. K.; Pindyck, R. S. Investment under uncertainty. New Jersey, USA:
Priceton University Press, 1993.
21 Dosi, G., Silverberg, Orsenigo. Sources, Procedures and Microeconomics
Effects of Innovation. Journal of Economic Literature, XXVI, Set. Research Policy,
11, 1988.
22 Dosi, G. Tend
encias da Inova
c
ao e seus determinantes: Os ingredientes do
Processo Inovador, ed. Unicamp, Classicos da Inovacao, Sao Paulo, p. 29-53, 2006.
23 Diniz, C. Global-Local: Interdepend
encias e Desigualdade ou Notas para
uma Poltica Tecnol
ogica e Industrial Regionalizada no Brasil. Belo Horizonte:
Cedeplar/ FACE/UFMG, Estudos Tematicos Nota tecnica 9, 2000.
24 Esser, Klaus, et alli. Competitividad sistemica: nuevo desafo para as empresas y La
poltica. Revista de la Cepal, Santiago do Chile, n. 59, ago. 1996.
25 Eviews 6 Users Guide, Quantitative Micro Software. LLC, Estados Unidos,
fevereiro de 2007.
26 Fernandes, E., A., Cunha, N., R., S., Silva, R., G., S. Degradac
ao Ambiental no
Estado de Minas Gerais. Rev. Econ. Sociol. Rural vol.43 no.1 Braslia Jan/Mar. 2005.
Disponvel em: < http://www.scielo.br/scielo.php >
27 FEE/MBC. Indice de Competitividade Estadual Relatorio Executivo. Porto Alegre:
FEE, 2006.
28 FIRJAN. IFDM Indice Firjan de Desenvolvimento Municipal. Rio de Janeiro: FIRJAN
2009.
29 Filho, J. E., R., V. Abordagem Evolucion
aria da Din
amica do Setor Agrcola.
Universidade Federal de Vicosa, Dissertacao de Mestrado, Minas Gerais, 2004.

70

30 Freeman, C. Techological infrastructure and international competitiveness.


In Conferencia Internacional de Sistemas de Inovacao e Estrategias de Desenvolvimento
para o Terceiro Milenio, Anais, Rio de Janeiro: UFRJ/IE, 2003. CD-ROM.
31 Freeman, C. The National System of Innovation in historical perspective
Cambridge Journal of Economics, 1995 In: Revista Brasileira da Inovacao. vol. 3 n. 1 p.
5-24, jan.-jun. 2004.
32 Fujita, M., Krugman, P., Venables, A., J. Economia Espacial: Urbanizacao,
prosperidade economica e desenvolvimento humano no mundo. ed. Futura, Sao Paulo, 2002.
33 Gleiser, I. Caos e Complexidade: A Evoluc
ao do Pensamento Econ
omico. Ed.
Campus, Rio de Janeiro, 2002.
34 Grice, J. W. Computing and Evaluating Factor Scores, Psychological Methods,
6(4), 430450, 2001.
35 Godard, O. et alli. Desarrollo end
ogeno y diferenciacion de espacios de
Desarrollo: un esquema de analisis para el desarrollo local. In: Estudos
Territoriales. Madrid, n. 24, 1987.
36 Gorsuch, R. L. Factor Analysis. in Hillsdale, New Jersey: Lawrence Erlbaum
Associates, Inc., 1993.
37 Gujarati, D.N. Econometria B
asica. ed. Pearson Education do Brasil, Sao Paulo,
2000.
38 Hair, J., F., Anderson, R., E., Tatham, R., L., Black, W., C. Multivariate Data
Analysis: With Readings. Prentice Hall, New Jersey, 1995.
39 Haddad, J. H.; Andrade, T. A. Metodo de analise diferencial-estrutural. In: Haddad,
J. H. (Org.). Economia regional: teorias e m
etodos de an
alise. Fortaleza:
BNB/ETIENE, 1989, p. 256-268.
40 Instituto de Pesquisa Economica Aplicada IPEADATA. Disponvel em: <
http://www.ipeadata.gov.br > Acesso em: janeiro de 2011.
41 Jennrich, R. I. A Simple General Procedure for Orthogonal Rotation.
Psychometrika, 66(2), 289306, 2001.
42 Jennrich, R. I. A Simple General Method for Oblique Rotation. Psychometrika,
67(1), 720., 2002.
43 Kaplan, B. Against the Human Development Index. Comment Posted in May
22, 2009, Bryan Caplan Library of Economics and Liberty.
44 Lapponi, J., C. Projetos de Investimento na Empresa. Ed. Elsevier, Rio de Janeiro,
2007.
45 Lei 10.933. Anexo I, Orientacao Estrategica de Governo, 2008. Disponvel
em:<http://www.planobrasil.gov.br> Acesso em dezembro de 2008.
46 Lemos, J., J., S. Indicadores de Degradac
ao no Nordeste Sub-
umido e
Semi-
arido. Revista SOBER, 2000, p.1-10.

71

47 Lemkow, A, F. The wholeness principle: Dynamics of unity within science,


religion & society. Wheaton, IL: The Theosophical Publishing House, 1990.
48 LeSage, J.P. Spatial Econometrics. Disponvel em: < http://www.spatialeconometrics.com/html/wbook.pdf > 1998. Acesso em: Agosto de 2008.
49 Levine, M.D., Berenson L,M., Stephan,D. Estatstica: Teoria e Aplica
c
oes. ed,
LTC - Livros Tecnicos e Cientficos S.A,. Rio de Janeiro, 2000.
50 Nelson, R., Winter, S. An Evolutionary Theory of Economic Change.
Cambridge, Mass: Harvard University Press, 1982.
51 Pamplona, E., O., Silva, W., F. Contribui
c
ao da Simulac
ao de Monte Carlo

na Projec
ao de Cen
arios para Gest
ao de Custos na Area de Laticnios. In: IX
Congresso Internacional de Custos - Florianopolis, SC, Brasil - 28 a 30 de novembro de
2005.
52 Perez, C. Cambio tecnol
ogico y oportunidades de desarrollo como blanco
m
ovil. Revista da Cepal - Comissao Economica para a America Latina e o Caribe - Nacoes
Unidas, no 75, p.115-136, dez./ 2001. Disponvel em : < http://www.eclac.org/ >.
Acesso em: dezembro de 2008.
53 Perobelli, F. S.; Haddad, E. A. Padr
oes de com
ercio interestadual no Brasil,
1985 e 1997. Rev. econ. contemp. Rio de Janeiro, v.10, n.1, p. 61-88, abr. 2006.
54 Preacher, K. J. and R. C. MacCallum. Repairing Tom Swifts Electric Factor
Analysis Machine, Understanding Statistics, 2(1), 1332, 2003.
55 Possas, M. et alli Um Modelo Evolucion
ario Setorial. In Revista Brasileira de
Economia, v. 55, jul/set., 2001.
56 Rolim, C., F. Reestrutura
c
ao Produtiva, Mundializac
ao e Novas Territorialidades: Um novo programa para os cursos de Economia Regional e Urbana.
Trabalho Apresentado no Congresso da APDR, Associacao Portuguesa de Desenvolvimento
Regional Coimbra, 1998.
57 Rodrigues, J. M. ; Mendes Junior, A. P. . Emprego: Uma An
alise Regional nos
Municpios Canavieiros do Estado do Paran
a - 1991 e 2000. In: 11a Escola de
Series Temporais e Econometria, 2005, Vila Velha. Programas e Resumos: 11a Escola de
Series Temporais e Econometria. Vila Velha : ABE/SBE/UFES, 2005. p. 104-104.
58 Santos, A., B., Bacha, C., J., C. Evoluc
ao Diferenciada da Lavoura de Soja e
de seu Processamento Industrial no Brasil - Perodo de 1970 a 1999. Economia
Aplicada, v.6,n. 1, p. 123-153, 2002.
59 Indice de Desenvolvimento Municipal da Micro e Pequena Empresa no
Paran
a 2008 e 2009. In Servico Brasileiro de Apoio `as Micro e Pequenas Empresas
Sebrae. Disponvel em: < http://www.sebraepr.com.br >. Acesso em: junho de 2010.
60 Santos, M., L., Vieira, W., C. Agricultura e desenvolvimento econ
omico: velhos
e novos desafios. In: Santos, Maurinho Luiz dos, Vieira, Wilson da Cruz. (Orgs.).
Agricultura na virada do milenio: velhos e novos desafios. Vicosa: UFV, 2002. cap. 1,
p.3-10.
61 Shamblin, J. E. & Stevens G. T. Pesquisa operacional. Atlas. Sao Paulo, 1979.

72

62 Souza, P., M., Lima, J., E. Intensidade e Din


amica da Moderniza
c
ao Agrcola
no Brasil e nas Unidades da Federa
c
ao. Revista Brasileira de Economia, p. 795-824,
2003.
63 Marques, M.A.M. Aplica
c
ao da An
alise multivariada no estudo da infraestrutura dos servi
cos de sa
ude dos municpios paranaenses. Curitiba-PR.
Dissertacao (Mestrado em Metodos Numericos em Engenharia) Setores de Tecnologia e de
Ciencias Exatas da Universidade Federal do Parana, 2006.
64 Ministerio do Desenvolvimento, Ind
ustria e Comercio Exterior SECEX. Disponvel
em: < http://www.desenvolvimento.gov.br >. Acesso em: Junho de 2009.
65 MPOG/SPI. Indicadores de Programas: guia metodol
ogico. Braslia: Ministerio
do Planejamento, Orcamento e Gestao, 2010.
66 Mingoti, S.A. An
alise de dados atrav
es de m
etodos de estatstica multivariada:
uma abordagem aplicada. Editora UFMG, Belo Horizonte, 2005.
67 Relacao Anual de Informacoes Sociais RAIS. Sistema Extreme Olap. Base de Dados
disponvel em: < http://www.mte.gov.br/pdet >. Acesso em: junho de 2009.
68 Rolim, C. F., C. Desempenho Industrial da Regi
ao Metropolitana de Curitiba:
Uma An
alise Shift and Share. Analise Conjuntural, v. 18, no 11-12, nov/dez 1996.
69 Schumpeter, J., A. A Teoria do Desenvolvimento Econ
omico. Sao Paulo. Nova
Cultural (Colecao Os Economistas), 1985.
70 Sen, A. K. Desenvolvimento como Liberdade. Traducao de Laura Teixeira da
Motta. Sao Paulo: Companhia das Letras, 2000.
71 Souza, N., J. Desenvolvimento Econ
omico. Ed. Atlas, 5 Edicao, 2007.
72 Tesfatsion, L. Agent-Based computational economics. In: Judd, K.; Tesfatsion, L.
(Ed.). Handbook of Computational Economics: agent-based computational economics. [S.l.]:
Elsevier/North-Holland, 2006. (Handbooks in Economics Series, v.2).
73 UNESCO. Educa
c
ao para um futuro sustent
avel: uma vis
ao transdisciplinar
para a
c
oes compartilhadas. Braslia: Ed. IBAMA, 1999, 118 p.
74 Vargas, J., I. A Prospectiva Tecnol
ogica: Previs
ao com um Simples Modelo
Matem
atico. In Economia & Tecnologia, ISSN 1518-2932, Ano VIII, N. 45: Julho-agosto,
2004. Disponvel em: < http://ecen.com >. Acesso em: maio de 2010.
75 Wooldridge, M. Introduction to MultiAgent Systems. [S.l.]: John Wiley & Sons, 2002.
76 Veiga, J. E. Desenvolvimento sustent
avel: o desafio do s
eculo XXI. Rio de
Janeiro: Garamond, 2005.

73

ANEXOS

Figura 11: Estagios no diagrama de decisao da analise fatorial


1

74

Figura 12: Verificacao positiva de clusters para a distribuicao espacial do IDMPE e valores
p > 0, 05

75

Tabela 31: Ranking ordenado por maiores IDMPEs no estado do Parana com dados de
2009
Municpios
Curitiba
Araucaria
Maringa
Londrina
Cascavel
Sao Jose dos Pinhais
Paranagua
Ponta Grossa
Toledo
Pato Branco
Pinhais
Foz do Iguacu
Matinhos
Palotina
Francisco Beltrao
Campo Mourao
Umuarama
Carambei
Campo Largo
Lapa
Colombo
Cianorte
Rolandia
Medianeira
Arapongas
Marechal Candido Rondon
Guarapuava
Paranavai
Dois Vizinhos
Sao Mateus do Sul
Apucarana
Ibipora
Cambe
Castro
Cornelio Procopio
Maripa
Irati
Sao Joao
Palmeira
Campina Grande do Sul
Douradina
Rio Negro
Pontal do Parana
Rondon
Assis Chateaubriand
Ivaipora
Nova Santa Rosa
Quatro Barras
Capanema
Mandaguari
Santo Antonio da Platina
Jandaia do Sul
Guaratuba
Cafelandia
Ceu Azul
Marialva
Cambara
Fazenda Rio Grande
Corbelia
Bom Sucesso do Sul
Laranjeiras do Sul
Barracao
Mangueirinha
Uniao da Vitoria

IDE
0.7584
0.7138
0.6852
0.6945
0.6792
0.7132
0.6888
0.6772
0.6568
0.6372
0.6581
0.6826
0.5899
0.6295
0.6264
0.6435
0.6282
0.6115
0.6248
0.6109
0.6404
0.6238
0.6234
0.6068
0.6429
0.6264
0.6400
0.6245
0.6040
0.6079
0.6316
0.6194
0.6418
0.6318
0.6020
0.5556
0.6129
0.5664
0.5930
0.5992
0.5492
0.6072
0.5626
0.5504
0.6053
0.5895
0.5656
0.5999
0.5796
0.5930
0.5858
0.5687
0.5733
0.5916
0.5861
0.5911
0.5842
0.5999
0.5730
0.5391
0.5808
0.5517
0.6201
0.5933

Posic
ao IDE
1o
2o
6o
4o
8o
3o
5o
9o
11 o
17 o
10 o
7o
60 o
20 o
22 o
12 o
21 o
33 o
24 o
34 o
15 o
26 o
27 o
37 o
13 o
23 o
16 o
25 o
41 o
35 o
19 o
29 o
14 o
18 o
43 o
160 o
32 o
125 o
55 o
46 o
188 o
36 o
138 o
183 o
40 o
61 o
128 o
45 o
85 o
53 o
69 o
118 o
101 o
57 o
68 o
58 o
72 o
44 o
102 o
238 o
80 o
175 o
28 o
52 o

IDM
0.7085
0.6851
0.6693
0.6624
0.6617
0.6620
0.6389
0.6411
0.6245
0.6522
0.6394
0.6309
0.6169
0.6299
0.6348
0.6299
0.6354
0.6259
0.6309
0.6197
0.6211
0.6351
0.6290
0.6319
0.6262
0.6095
0.6315
0.6299
0.6171
0.6089
0.6302
0.6389
0.6245
0.6122
0.6214
0.5847
0.6116
0.6143
0.6071
0.6191
0.6240
0.5941
0.5976
0.6791
0.6119
0.6374
0.5859
0.6351
0.5991
0.5958
0.6257
0.6082
0.6068
0.5981
0.6106
0.6026
0.6071
0.6456
0.5998
0.5909
0.6088
0.6104
0.6021
0.6154

Posic
ao IDM
1o
2o
4o
5o
7o
6o
13 o
10 o
32 o
8o
11 o
23 o
43 o
27 o
18 o
25 o
15 o
30 o
22 o
37 o
36 o
17 o
28 o
20 o
29 o
57 o
21 o
26 o
42 o
59 o
24 o
12 o
33 o
50 o
35 o
163 o
52 o
46 o
65 o
38 o
34 o
116 o
103 o
3o
51 o
14 o
156 o
16 o
95 o
108 o
31 o
61 o
68 o
96 o
53 o
78 o
66 o
9o
93 o
131 o
60 o
54 o
81 o
45 o

IDI
0.4590
0.4106
0.4487
0.4329
0.4298
0.3809
0.4090
0.4091
0.4318
0.4203
0.3900
0.3719
0.4744
0.4201
0.4141
0.3867
0.3879
0.4138
0.3950
0.4176
0.3855
0.3861
0.3924
0.4045
0.3693
0.3993
0.3601
0.3770
0.4090
0.4109
0.3651
0.3661
0.3571
0.3788
0.3991
0.4797
0.3951
0.4338
0.4117
0.3880
0.4264
0.3976
0.4355
0.3623
0.3746
0.3644
0.4293
0.3454
0.3990
0.3856
0.3624
0.3936
0.3899
0.3796
0.3719
0.3747
0.3765
0.3215
0.3937
0.4359
0.3760
0.4025
0.3394
0.3522

Posic
ao IDI
5o
31 o
6o
11 o
14 o
102 o
33 o
32 o
12 o
19 o
74 o
131 o
4o
20 o
27 o
87 o
83 o
28 o
62 o
23 o
92 o
89 o
69 o
39 o
142 o
48 o
187 o
112 o
34 o
30 o
163 o
155 o
197 o
107 o
49 o
3o
61 o
10 o
29 o
82 o
16 o
52 o
9o
176 o
122 o
165 o
15 o
248 o
50 o
90 o
175 o
65 o
75 o
105 o
129 o
121 o
117 o
340 o
64 o
8o
119 o
43 o
276 o
220 o

IDMPE
0.6419
0.6032
0.6011
0.5966
0.5902
0.5854
0.5789
0.5758
0.5710
0.5699
0.5625
0.5618
0.5604
0.5599
0.5584
0.5534
0.5505
0.5504
0.5502
0.5494
0.5490
0.5483
0.5483
0.5477
0.5461
0.5451
0.5438
0.5438
0.5434
0.5426
0.5423
0.5415
0.5411
0.5409
0.5408
0.5400
0.5399
0.5382
0.5373
0.5354
0.5332
0.5330
0.5319
0.5306
0.5306
0.5305
0.5269
0.5268
0.5259
0.5248
0.5246
0.5235
0.5233
0.5231
0.5229
0.5228
0.5226
0.5224
0.5221
0.5220
0.5219
0.5215
0.5205
0.5203

Posic
ao IDMPE
1o
2o
3o
4o
5o
6o
7o
8o
9o
10 o
11 o
12 o
13 o
14 o
15 o
16 o
17 o
18 o
19 o
20 o
21 o
22 o
23 o
24 o
25 o
26 o
27 o
28 o
29 o
30 o
31 o
32 o
33 o
34 o
35 o
36 o
37 o
38 o
39 o
40 o
41 o
42 o
43 o
44 o
45 o
46 o
47 o
48 o
49 o
50 o
51 o
52 o
53 o
54 o
55 o
56 o
57 o
58 o
59 o
60 o
61 o
62 o
63 o
64 o

76

Tabela 32: Continua: Ranking ordenado por maiores IDMPEs no estado do Parana com
dados de 2009
Municpios
Astorga
Telemaco Borba
Engenheiro Beltrao
Pato Bragado
Coronel Vivida
Boa Esperanca do Iguacu
Jacarezinho
Cambira
Colorado
Capitao Leonidas Marques
Chopinzinho
Ampere
Vitorino
Ivatuba
Missal
Ubirata
Balsa Nova
Pien
Nova Esperanca
Tupassi
Pranchita
Sao Miguel do Iguacu
Assai
Santa Helena
Prudentopolis
Sao Jorge do Ivai
Realeza
Santo Inacio
Vera Cruz do Oeste
Terra Rica
Sao Tome
Mambore
Serranopolis do Iguacu
Sao Pedro do Ivai
Quitandinha
Lobato
Tibagi
Itaipulandia
Renascenca
Arapoti
Mallet
Ouro Verde do Oeste
Brasilandia do Sul
Boa Ventura de Sao Roque
Pitanga
Quatro Pontes
Araruna
Jaguariaiva
Guaira
Vere
Sertanopolis
Santa Izabel do Oeste
Loanda
Matelandia
Juranda
Andira
Tijucas do Sul
Cruzeiro do Oeste
Goioere
Boa Esperanca
Perola
Sao Jorge dOeste

IDE
0.5717
0.6177
0.5883
0.5406
0.5838
0.5139
0.5918
0.5743
0.5833
0.6065
0.5716
0.5745
0.5604
0.5124
0.5639
0.5883
0.5789
0.5803
0.5781
0.5622
0.5405
0.5794
0.5829
0.5966
0.6022
0.5416
0.5661
0.5688
0.5624
0.5704
0.5259
0.5867
0.5348
0.5702
0.5670
0.5414
0.5888
0.5675
0.5603
0.5937
0.5653
0.5540
0.5483
0.5506
0.5934
0.5449
0.5809
0.5905
0.5843
0.5654
0.5644
0.5510
0.5692
0.5725
0.5822
0.5835
0.5630
0.5713
0.5845
0.5627
0.5539
0.5352

Posic
ao IDE
105 o
31 o
65 o
232 o
73 o
332 o
56 o
98 o
76 o
38 o
106 o
97 o
146 o
340 o
133 o
64 o
89 o
83 o
91 o
141 o
233 o
86 o
77 o
48 o
42 o
228 o
127 o
117 o
139 o
111 o
288 o
67 o
256 o
112 o
122 o
229 o
63 o
120 o
148 o
50 o
130 o
164 o
198 o
182 o
51 o
212 o
79 o
59 o
71 o
129 o
132 o
179 o
114 o
103 o
78 o
74 o
136 o
108 o
70 o
137 o
165 o
254 o

IDM
0.6035
0.5929
0.5976
0.6188
0.6130
0.6009
0.6099
0.6125
0.6079
0.5688
0.5854
0.5927
0.5957
0.5433
0.5820
0.5944
0.5978
0.6013
0.6070
0.5789
0.5811
0.6073
0.5897
0.5944
0.6062
0.5931
0.5896
0.6183
0.6005
0.5865
0.5895
0.5791
0.5739
0.5924
0.5634
0.5823
0.5849
0.6042
0.5993
0.5978
0.5883
0.5933
0.6165
0.6030
0.5976
0.5815
0.6021
0.5896
0.6022
0.5770
0.6006
0.6004
0.5942
0.6007
0.5737
0.5925
0.6095
0.6043
0.5704
0.5637
0.5934
0.5875

Posic
ao IDM
75 o
120 o
101 o
39 o
47 o
86 o
55 o
49 o
62 o
238 o
158 o
122 o
109 o
339 o
174 o
113 o
99 o
83 o
67 o
187 o
176 o
64 o
137 o
114 o
69 o
119 o
138 o
40 o
90 o
153 o
140 o
185 o
211 o
125 o
262 o
172 o
161 o
74 o
94 o
100 o
145 o
118 o
44 o
77 o
102 o
175 o
80 o
139 o
79 o
194 o
88 o
91 o
115 o
87 o
215 o
123 o
58 o
73 o
231 o
259 o
117 o
150 o

IDI
0.3842
0.3485
0.3724
0.3986
0.3612
0.4409
0.3515
0.3635
0.3588
0.3739
0.3921
0.3813
0.3923
0.4918
0.4007
0.3628
0.3686
0.3633
0.3580
0.4014
0.4204
0.3544
0.3682
0.3492
0.3311
0.4030
0.3805
0.3487
0.3723
0.3783
0.4175
0.3669
0.4237
0.3695
0.4011
0.4060
0.3546
0.3561
0.3676
0.3351
0.3710
0.3770
0.3592
0.3693
0.3318
0.3964
0.3396
0.3422
0.3352
0.3791
0.3562
0.3692
0.3565
0.3453
0.3625
0.3417
0.3449
0.3407
0.3612
0.3896
0.3687
0.3910

Posic
ao IDI
96 o
239 o
126 o
51 o
181 o
7o
222 o
169 o
191 o
124 o
71 o
101 o
70 o
1o
47 o
173 o
148 o
170 o
193 o
45 o
18 o
210 o
150 o
234 o
307 o
42 o
104 o
236 o
127 o
109 o
24 o
154 o
17 o
139 o
46 o
37 o
208 o
204 o
152 o
294 o
134 o
114 o
189 o
140 o
304 o
56 o
275 o
262 o
292 o
106 o
203 o
143 o
201 o
250 o
174 o
265 o
253 o
269 o
180 o
76 o
147 o
73 o

IDMPE
0.5198
0.5197
0.5195
0.5194
0.5193
0.5185
0.5177
0.5167
0.5167
0.5164
0.5164
0.5162
0.5161
0.5158
0.5155
0.5152
0.5151
0.5150
0.5144
0.5142
0.5140
0.5137
0.5136
0.5134
0.5132
0.5125
0.5121
0.5119
0.5117
0.5117
0.5110
0.5109
0.5108
0.5107
0.5105
0.5099
0.5094
0.5093
0.5091
0.5089
0.5082
0.5081
0.5080
0.5076
0.5076
0.5076
0.5076
0.5074
0.5072
0.5072
0.5071
0.5069
0.5066
0.5062
0.5062
0.5059
0.5058
0.5054
0.5054
0.5053
0.5053
0.5046

Posic
ao IDMPE
65 o
66 o
67 o
68 o
69 o
70 o
71 o
72 o
73 o
74 o
75 o
76 o
77 o
78 o
79 o
80 o
81 o
82 o
83 o
84 o
85 o
86 o
87 o
88 o
89 o
90 o
91 o
92 o
93 o
94 o
95 o
96 o
97 o
98 o
99 o
100 o
101 o
102 o
103 o
104 o
105 o
106 o
107 o
108 o
109 o
110 o
111 o
112 o
113 o
114 o
115 o
116 o
117 o
118 o
119 o
120 o
121 o
122 o
123 o
124 o
125 o
126 o

77

Tabela 33: Continua: Ranking ordenado por maiores IDMPEs no estado do Parana com
dados de 2009
Municpios
Paicandu
Guaraniacu
Rio Branco do Sul
Mandaguacu
Ipora
Quedas do Iguacu
Flor da Serra do Sul
Terra Boa
Wenceslau Braz
Mariopolis
Entre Rios do Oeste
Nova Aurora
Cruzeiro do Iguacu
Palmas
Marmeleiro
Nova Alianca do Ivai
Farol
Cantagalo
Imbituva
Ibema
Planalto
Doutor Camargo
Fernandes Pinheiro
Manoel Ribas
Faxinal
Eneas Marques
Teixeira Soares
Santo Antonio do Sudoeste
Pinhao
Candoi
Cidade Gaucha
Terra Roxa
Turvo
Ribeirao Claro
Sarandi
Sabaudia
Santa Isabel do Ivai
Santa Lucia
Salgado Filho
Contenda
Nova Prata do Iguacu
Antonina
Paranacity
Ivate
Santa Tereza do Oeste
Piraquara
Roncador
Nova Esperanca do Sudoeste
Clevelandia
Pinhalao
Urai
Tapejara
Marilandia do Sul
Tres Barras do Parana
Mercedes
Bela Vista do Paraiso
Nova Fatima
Mandirituba
Moreira Sales
Sulina
Siqueira Campos
Campo Bonito
Campo Magro
Alvorada do Sul
Paraiso do Norte
Santa Terezinha de Itaipu
Campina da Lagoa
Iracema do Oeste
Itapejara dOeste
Janiopolis

IDE
0.5737
0.5697
0.5930
0.5673
0.5637
0.5780
0.5384
0.5512
0.5769
0.5426
0.5322
0.5664
0.5174
0.5802
0.5545
0.4746
0.5438
0.5482
0.5749
0.5313
0.5652
0.5361
0.5481
0.5669
0.5664
0.5388
0.5686
0.5609
0.6180
0.5804
0.5569
0.5833
0.5455
0.5490
0.6055
0.5318
0.5429
0.5104
0.5213
0.5489
0.5478
0.5614
0.5515
0.5373
0.5570
0.5975
0.5691
0.5271
0.5781
0.5402
0.5507
0.5718
0.5611
0.5487
0.5255
0.5779
0.5582
0.5707
0.5611
0.5263
0.5575
0.5400
0.5637
0.5494
0.5464
0.5737
0.5756
0.5231
0.5591
0.5576

Posic
ao IDE
100 o
113 o
54 o
121 o
135 o
92 o
241 o
178 o
94 o
224 o
267 o
126 o
316 o
84 o
162 o
396 o
214 o
199 o
96 o
271 o
131 o
249 o
202 o
123 o
124 o
239 o
119 o
145 o
30 o
81 o
157 o
75 o
207 o
190 o
39 o
269 o
221 o
348 o
302 o
191 o
204 o
142 o
177 o
246 o
156 o
47 o
116 o
282 o
90 o
235 o
180 o
104 o
143 o
194 o
289 o
93 o
153 o
110 o
144 o
286 o
155 o
236 o
134 o
185 o
205 o
99 o
95 o
298 o
152 o
154 o

IDM
0.6127
0.5839
0.5869
0.6052
0.5796
0.5902
0.5772
0.5915
0.6034
0.5763
0.5913
0.5791
0.6012
0.6005
0.5963
0.5463
0.5756
0.5866
0.5924
0.5671
0.5735
0.5665
0.5761
0.5881
0.5923
0.5645
0.5834
0.5832
0.5746
0.5797
0.5689
0.5907
0.6001
0.5922
0.5949
0.6074
0.5764
0.5855
0.5662
0.5908
0.5705
0.5763
0.5780
0.5753
0.5722
0.6095
0.5948
0.5683
0.5749
0.5849
0.6046
0.5841
0.5617
0.5877
0.5735
0.6321
0.5885
0.5739
0.6016
0.5738
0.5823
0.5517
0.5894
0.5776
0.5960
0.5875
0.5918
0.5975
0.5714
0.5960

Posic
ao IDM
48 o
166 o
151 o
71 o
184 o
135 o
193 o
129 o
76 o
198 o
130 o
186 o
84 o
89 o
105 o
330 o
204 o
152 o
124 o
245 o
217 o
247 o
201 o
146 o
126 o
256 o
168 o
169 o
209 o
182 o
237 o
133 o
92 o
127 o
110 o
63 o
197 o
157 o
248 o
132 o
230 o
199 o
190 o
206 o
220 o
56 o
111 o
241 o
208 o
162 o
72 o
165 o
270 o
148 o
216 o
19 o
143 o
210 o
82 o
214 o
171 o
311 o
141 o
191 o
107 o
149 o
128 o
104 o
223 o
106 o

IDI
0.3273
0.3589
0.3322
0.3392
0.3681
0.3410
0.3924
0.3651
0.3264
0.3874
0.3827
0.3602
0.3868
0.3242
0.3539
0.4831
0.3845
0.3689
0.3346
0.4022
0.3615
0.3975
0.3754
0.3445
0.3402
0.3956
0.3460
0.3528
0.3040
0.3358
0.3699
0.3217
0.3497
0.3535
0.2939
0.3535
0.3723
0.3956
0.4037
0.3512
0.3725
0.3523
0.3602
0.3770
0.3604
0.2821
0.3251
0.3935
0.3358
0.3635
0.3324
0.3318
0.3648
0.3511
0.3880
0.2768
0.3398
0.3419
0.3235
0.3847
0.3447
0.3925
0.3307
0.3567
0.3401
0.3210
0.3145
0.3613
0.3512
0.3279

Posic
ao IDI
320 o
190 o
302 o
277 o
151 o
267 o
68 o
162 o
324 o
84 o
98 o
185 o
85 o
331 o
212 o
2o
95 o
145 o
297 o
44 o
178 o
53 o
120 o
256 o
271 o
59 o
246 o
216 o
369 o
285 o
137 o
339 o
230 o
214 o
378 o
213 o
128 o
58 o
40 o
224 o
125 o
218 o
186 o
113 o
184 o
387 o
330 o
66 o
286 o
168 o
301 o
303 o
164 o
229 o
81 o
389 o
274 o
264 o
334 o
93 o
255 o
67 o
309 o
200 o
272 o
342 o
360 o
179 o
226 o
315 o

IDMPE
0.5045
0.5042
0.5041
0.5039
0.5038
0.5031
0.5027
0.5026
0.5022
0.5021
0.5021
0.5019
0.5018
0.5016
0.5016
0.5013
0.5013
0.5012
0.5006
0.5002
0.5001
0.5000
0.4999
0.4998
0.4997
0.4996
0.4993
0.4990
0.4989
0.4987
0.4986
0.4986
0.4985
0.4982
0.4981
0.4976
0.4972
0.4972
0.4971
0.4970
0.4969
0.4967
0.4966
0.4965
0.4965
0.4964
0.4963
0.4963
0.4963
0.4962
0.4959
0.4959
0.4959
0.4958
0.4957
0.4956
0.4955
0.4955
0.4954
0.4950
0.4948
0.4948
0.4946
0.4946
0.4942
0.4941
0.4940
0.4940
0.4939
0.4939

Posic
ao IDMPE
127 o
128 o
129 o
130 o
131 o
132 o
133 o
134 o
135 o
136 o
137 o
138 o
139 o
140 o
141 o
142 o
143 o
144 o
145 o
146 o
147 o
148 o
149 o
150 o
151 o
152 o
153 o
154 o
155 o
156 o
157 o
158 o
159 o
160 o
161 o
162 o
163 o
164 o
165 o
166 o
167 o
168 o
169 o
170 o
171 o
172 o
173 o
174 o
175 o
176 o
177 o
178 o
179 o
180 o
181 o
182 o
183 o
184 o
185 o
186 o
187 o
188 o
189 o
190 o
191 o
192 o
193 o
194 o
195 o
196 o

78

Tabela 34: Continua: Ranking ordenado por maiores IDMPEs no estado do Parana com
dados de 2009
Municpios
Sao Jose das Palmeiras
Porto Rico
Nova America da Colina
Altonia
Reboucas
Rancho Alegre DOeste
Ibaiti
Jaguapita
Salto do Lontra
Lupionopolis
Jussara
Sertaneja
Porto Amazonas
Nova Laranjeiras
Ortigueira
Alto Piquiri
Almirante Tamandare
Itambe
Ariranha do Ivai
Borrazopolis
Joaquim Tavora
Antonio Olinto
Nova Londrina
Guaraquecaba
Altamira do Parana
Floresta
Conselheiro Mairinck
Itaperucu
Indianopolis
Novo Itacolomi
Iretama
Angulo
Senges
Perola dOeste
Icaraima
Braganey
Florai
Itambaraca
Uniflor
Honorio Serpa
Maua da Serra
Bandeirantes
Lindoeste
Ipiranga
Paula Freitas
Planaltina do Parana
Santana do Itarare
Barbosa Ferraz
Atalaia
Quarto Centenario
Primeiro de Maio
Sao Carlos do Ivai
Sao Pedro do Iguacu
Quatigua
Perobal
Foz do Jordao
Pitangueiras
Jardim Alegre
Paulo Frontin
Rio Azul
General Carneiro
Querencia do Norte
Congonhinhas
Santa Fe

IDE
0.5065
0.5020
0.5134
0.5520
0.5714
0.5376
0.5803
0.5492
0.5454
0.5169
0.5330
0.5521
0.5210
0.5494
0.5591
0.5370
0.5891
0.5260
0.5094
0.5451
0.5424
0.5351
0.5604
0.5164
0.5249
0.5339
0.5206
0.5870
0.5459
0.5034
0.5433
0.5092
0.5515
0.5315
0.5313
0.5295
0.5402
0.5249
0.4955
0.5340
0.5448
0.5792
0.5423
0.5535
0.5384
0.5140
0.5358
0.5435
0.5169
0.5554
0.5429
0.5343
0.5484
0.5219
0.5278
0.5139
0.5184
0.5518
0.5517
0.5507
0.5482
0.5501
0.5488
0.5533

Posic
ao IDE
361 o
365 o
336 o
171 o
107 o
244 o
82 o
187 o
208 o
321 o
262 o
170 o
303 o
186 o
151 o
247 o
62 o
287 o
353 o
209 o
225 o
255 o
147 o
324 o
292 o
260 o
304 o
66 o
206 o
363 o
219 o
354 o
176 o
270 o
272 o
274 o
234 o
293 o
378 o
259 o
213 o
87 o
226 o
166 o
240 o
330 o
251 o
217 o
322 o
161 o
222 o
258 o
197 o
301 o
280 o
331 o
311 o
173 o
174 o
181 o
200 o
184 o
192 o
167 o

IDM
0.5852
0.5626
0.5484
0.5756
0.5756
0.5646
0.5463
0.5885
0.5738
0.5860
0.5657
0.5673
0.6009
0.5671
0.5610
0.5674
0.5979
0.5650
0.5846
0.5708
0.5885
0.5401
0.5544
0.5704
0.5946
0.5641
0.5293
0.6054
0.5554
0.5550
0.5850
0.5242
0.5760
0.5636
0.5799
0.5763
0.5599
0.5591
0.5509
0.5617
0.5807
0.5483
0.5821
0.5780
0.5785
0.5752
0.5769
0.5574
0.5542
0.5574
0.6171
0.5981
0.5625
0.5738
0.5705
0.5863
0.5486
0.5694
0.5796
0.5650
0.5618
0.5710
0.5578
0.5572

Posic
ao IDM
159 o
264 o
322 o
205 o
203 o
255 o
329 o
142 o
213 o
155 o
251 o
243 o
85 o
246 o
271 o
242 o
98 o
252 o
164 o
227 o
144 o
351 o
296 o
232 o
112 o
258 o
378 o
70 o
294 o
295 o
160 o
383 o
202 o
260 o
181 o
200 o
273 o
276 o
314 o
269 o
177 o
323 o
173 o
189 o
188 o
207 o
195 o
283 o
297 o
286 o
41 o
97 o
266 o
212 o
228 o
154 o
321 o
234 o
183 o
253 o
268 o
225 o
280 o
288 o

IDI
0.3893
0.4156
0.4182
0.3522
0.3326
0.3769
0.3511
0.3400
0.3585
0.3744
0.3762
0.3553
0.3522
0.3571
0.3534
0.3690
0.2859
0.3819
0.3784
0.3563
0.3405
0.3955
0.3554
0.3833
0.3486
0.3699
0.4178
0.2747
0.3656
0.4081
0.3381
0.4315
0.3361
0.3685
0.3524
0.3574
0.3617
0.3775
0.4150
0.3653
0.3352
0.3326
0.3350
0.3277
0.3421
0.3697
0.3456
0.3573
0.3862
0.3441
0.2963
0.3233
0.3447
0.3595
0.3567
0.3545
0.3868
0.3315
0.3213
0.3356
0.3407
0.3287
0.3426
0.3387

Posic
ao IDI
77 o
25 o
21 o
219 o
299 o
115 o
228 o
273 o
192 o
123 o
118 o
206 o
221 o
198 o
215 o
144 o
384 o
99 o
108 o
202 o
270 o
60 o
205 o
97 o
237 o
136 o
22 o
393 o
158 o
35 o
281 o
13 o
284 o
149 o
217 o
195 o
177 o
111 o
26 o
161 o
291 o
300 o
295 o
317 o
263 o
138 o
247 o
196 o
88 o
257 o
375 o
335 o
254 o
188 o
199 o
209 o
86 o
306 o
341 o
289 o
268 o
314 o
260 o
280 o

IDMPE
0.4937
0.4934
0.4933
0.4933
0.4932
0.4930
0.4926
0.4926
0.4926
0.4925
0.4916
0.4916
0.4914
0.4912
0.4912
0.4911
0.4910
0.4910
0.4908
0.4907
0.4905
0.4902
0.4901
0.4900
0.4894
0.4893
0.4893
0.4890
0.4890
0.4889
0.4888
0.4883
0.4879
0.4879
0.4879
0.4877
0.4873
0.4872
0.4871
0.4870
0.4869
0.4867
0.4865
0.4864
0.4863
0.4863
0.4861
0.4861
0.4858
0.4856
0.4855
0.4852
0.4852
0.4851
0.4850
0.4849
0.4846
0.4842
0.4842
0.4838
0.4836
0.4833
0.4831
0.4831

Posic
ao IDMPE
197 o
198 o
199 o
200 o
201 o
202 o
203 o
204 o
205 o
206 o
207 o
208 o
209 o
210 o
211 o
212 o
213 o
214 o
215 o
216 o
217 o
218 o
219 o
220 o
221 o
222 o
223 o
224 o
225 o
226 o
227 o
228 o
229 o
230 o
231 o
232 o
233 o
234 o
235 o
236 o
237 o
238 o
239 o
240 o
241 o
242 o
243 o
244 o
245 o
246 o
247 o
248 o
249 o
250 o
251 o
252 o
253 o
254 o
255 o
256 o
257 o
258 o
259 o
260 o

79

Tabela 35: Continua: Ranking ordenado por maiores IDMPEs no estado do Parana com
dados de 2009
Pirai do Sul
Santa Cruz de Monte Castelo
Porecatu
Alto Parana
Reserva do Iguacu
Esperanca Nova
Mirador
Morretes
Carlopolis
Alto Paraiso
Jesuitas
Ventania
Santa Mariana
Sao Joao do Ivai
Espigao Alto do Iguacu
Japura
Luiziana
Marilena
Sao Joao do Triunfo
Tamboara
Marquinho
Munhoz de Melo
Sao Jorge do Patrocinio
Japira
Santa Amelia
Nova Cantu
Ivai
Cruz Machado
Reserva
Campo do Tenente
Ramilandia
Kalore
Paranapoema
Palmital
Formosa do Oeste
Santa Maria do Oeste
Diamante DOeste

0.5791
0.5346
0.5177
0.5518
0.5325
0.4835
0.4693
0.5485
0.5623
0.5018
0.5490
0.5428
0.5603
0.5479
0.5374
0.5167
0.5691
0.5096
0.5484
0.5173
0.5414
0.5067
0.5227
0.5713
0.5098
0.5366
0.5541
0.5565
0.5954
0.5171
0.5284
0.5080
0.4828
0.5482
0.5354
0.5419
0.5377

88 o
257 o
313 o
172 o
264 o
391 o
398 o
195 o
140 o
368 o
189 o
223 o
149 o
203 o
245 o
323 o
115 o
351 o
196 o
318 o
230 o
360 o
299 o
109 o
350 o
248 o
163 o
159 o
49 o
320 o
279 o
358 o
392 o
201 o
253 o
227 o
243 o

0.5364
0.5705
0.5714
0.5586
0.5879
0.5928
0.5692
0.5710
0.5599
0.5577
0.5536
0.5684
0.5693
0.5683
0.5381
0.5532
0.5905
0.5806
0.5574
0.5518
0.5569
0.5562
0.5627
0.5349
0.5524
0.5725
0.5839
0.5766
0.5258
0.5726
0.5717
0.5425
0.5625
0.5897
0.5671
0.5593
0.5541

365
229
222
277
147
121
236
226
272
281
299
239
235
240
362
301
134
178
285
310
290
292
263
367
307
219
167
196
381
218
221
341
265
136
244
275
298

o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o

0.3328
0.3433
0.3580
0.3356
0.3254
0.3693
0.4065
0.3254
0.3222
0.3847
0.3373
0.3274
0.3075
0.3204
0.3607
0.3656
0.2756
0.3449
0.3294
0.3659
0.3357
0.3710
0.3481
0.3269
0.3705
0.3235
0.2945
0.2993
0.3107
0.3415
0.3310
0.3806
0.3856
0.2922
0.3261
0.3258
0.3351

298 o
258 o
194 o
288 o
329 o
141 o
36 o
328 o
338 o
94 o
283 o
319 o
367 o
344 o
183 o
157 o
391 o
252 o
312 o
156 o
287 o
133 o
241 o
322 o
135 o
333 o
377 o
372 o
362 o
266 o
308 o
103 o
91 o
381 o
325 o
327 o
293 o

0.4828
0.4828
0.4824
0.4820
0.4819
0.4819
0.4817
0.4816
0.4815
0.4814
0.4800
0.4795
0.4790
0.4789
0.4787
0.4785
0.4784
0.4784
0.4784
0.4783
0.4780
0.4780
0.4778
0.4777
0.4776
0.4775
0.4775
0.4775
0.4773
0.4771
0.4770
0.4770
0.4770
0.4767
0.4762
0.4757
0.4756

261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297

o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o

80

Tabela 36: Continua: Ranking ordenado por maiores IDMPEs no estado do Parana com
dados de 2009
Candido de Abreu
Guaporema
Peabiru
Santo Antonio do Caiua
Anahy
Guamiranga
Florida
Saudade do Iguacu
Rio Bom
Virmond
Lidianopolis
Bom Jesus do Sul
Santo Antonio do Paraiso
Santa Ines
Iguatu
Sao Jose da Boa Vista
Cruzmaltina
Coronel Domingos Soares
Manfrinopolis
Cafezal do Sul
Tamarana
Rio Bonito do Iguacu
Inacio Martins
Bituruna
Nova Olimpia
Porto Barreiro
Santa Cecilia do Pavao
Ribeirao do Pinhal
Catanduvas
Inaja
Miraselva
Bela Vista da Caroba
Fenix
Nova Santa Barbara
Pinhal de Sao Bento
Corumbatai do Sul
Sao Joao do Caiua
Rosario do Ivai
Jataizinho
Tuneiras do Oeste
Iguaracu
Bocaiuva do Sul
Guaraci
Quinta do Sol
Tunas do Parana
Arapua
Amapora
Marumbi
Jardim Olinda
Tomazina
Rancho Alegre
Tapira
Leopolis
Lunardelli
Jaboti
California
Itauna do Sul
Prado Ferreira
Guairaca
Guapirama
Sao Pedro do Parana
Agudos do Sul
Jundiai do Sul
Grandes Rios
Abatia

0.5382
0.4902
0.5437
0.4983
0.4918
0.5300
0.4965
0.5220
0.4990
0.5158
0.5190
0.5085
0.4989
0.4973
0.4892
0.5339
0.5205
0.5359
0.4902
0.5094
0.5601
0.5524
0.5322
0.5450
0.5115
0.5251
0.5113
0.5436
0.5567
0.4673
0.4826
0.5251
0.5434
0.5108
0.5143
0.5126
0.5137
0.4923
0.5289
0.5244
0.5195
0.5266
0.5028
0.5392
0.4909
0.5088
0.5180
0.4924
0.4750
0.5327
0.5451
0.5171
0.5269
0.5019
0.5041
0.5135
0.4890
0.5114
0.5105
0.4989
0.4895
0.5320
0.5157
0.5174
0.5116

242
386
215
375
383
273
377
300
370
326
310
357
372
376
389
261
305
250
385
352
150
169
266
211
342
290
344
216
158
399
393
291
218
346
329
339
333
382
277
295
308
285
364
237
384
356
312
381
395
263
210
319
283
367
362
334
390
343
347
373
387
268
327
317
341

o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o

0.5696
0.5458
0.5644
0.5284
0.5422
0.5500
0.5376
0.5350
0.5307
0.5339
0.5490
0.5419
0.5233
0.5182
0.5333
0.5382
0.5410
0.5523
0.5414
0.5394
0.5647
0.5529
0.5558
0.5492
0.5527
0.5388
0.5802
0.5526
0.4886
0.5366
0.5298
0.5174
0.5463
0.5414
0.5408
0.5255
0.5426
0.5661
0.5581
0.5322
0.5448
0.5772
0.5509
0.5533
0.5802
0.5501
0.5521
0.5449
0.5471
0.5349
0.5575
0.5622
0.5710
0.5466
0.5409
0.5532
0.5569
0.5635
0.5573
0.5238
0.5438
0.5823
0.5469
0.5509
0.5398

233
332
257
379
342
316
363
366
375
371
320
344
385
389
372
361
348
308
347
355
254
303
293
318
304
358
180
306
396
364
377
390
331
346
350
382
340
249
279
373
334
192
313
300
179
315
309
333
325
368
282
267
224
328
349
302
291
261
287
384
336
170
326
312
353

o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o

0.3183
0.3882
0.3156
0.3969
0.3889
0.3428
0.3887
0.3653
0.3920
0.3715
0.3513
0.3688
0.3967
0.4033
0.3949
0.3451
0.3552
0.3267
0.3819
0.3632
0.2871
0.3065
0.3232
0.3171
0.3466
0.3462
0.3185
0.3133
0.3640
0.4052
0.3956
0.3654
0.3169
0.3543
0.3512
0.3676
0.3493
0.3470
0.3178
0.3470
0.3390
0.2990
0.3485
0.3091
0.3304
0.3422
0.3304
0.3629
0.3779
0.3316
0.2963
0.3193
0.3001
0.3494
0.3512
0.3289
0.3494
0.3202
0.3271
0.3719
0.3610
0.2799
0.3274
0.3207
0.3350

351 o
80 o
357 o
54 o
78 o
259 o
79 o
160 o
72 o
132 o
223 o
146 o
55 o
41 o
63 o
251 o
207 o
323 o
100 o
171 o
383 o
368 o
336 o
355 o
244 o
245 o
350 o
361 o
167 o
38 o
57 o
159 o
356 o
211 o
227 o
153 o
233 o
243 o
354 o
242 o
278 o
373 o
238 o
365 o
310 o
261 o
311 o
172 o
110 o
305 o
376 o
348 o
370 o
231 o
225 o
313 o
232 o
345 o
321 o
130 o
182 o
388 o
318 o
343 o
296 o

0.4754
0.4747
0.4746
0.4745
0.4743
0.4743
0.4743
0.4741
0.4739
0.4737
0.4731
0.4731
0.4730
0.4729
0.4725
0.4724
0.4723
0.4716
0.4712
0.4707
0.4706
0.4706
0.4704
0.4704
0.4703
0.4701
0.4700
0.4699
0.4698
0.4697
0.4694
0.4693
0.4688
0.4688
0.4687
0.4686
0.4685
0.4684
0.4683
0.4679
0.4678
0.4676
0.4674
0.4672
0.4672
0.4670
0.4668
0.4667
0.4667
0.4664
0.4663
0.4662
0.4660
0.4660
0.4654
0.4652
0.4651
0.4650
0.4650
0.4649
0.4648
0.4647
0.4634
0.4630
0.4621

298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362

o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o

81

Tabela 37: Ranking dos maiores indicadores propostos (IDMS) no estado do Parana
Municipios
Curitiba
Londrina
Maringa
Cascavel
Ponta Grossa
Sao Jose dos Pinhais
Pato Branco
Paranagua
Araucaria
Toledo
Campo Mourao
Francisco Beltrao
Palotina
Umuarama
Guarapuava
Marechal Candido Rondon
Matinhos
Foz do Iguacu
Medianeira
Pinhais
Paranavai
Apucarana
Assis Chateaubriand
Cianorte
Rolandia
Ibipora
Cornelio Procopio
Dois Vizinhos
Castro
Palmeira
Pontal do Parana
Maripa
Jandaia do Sul
Arapongas
Lapa
Mandaguari
Carambei
Irati
Santo Antonio da Platina
Laranjeiras do Sul
Sao Mateus do Sul
Rio Negro
Marialva
Loanda
Sao Joao
Guaratuba
Capanema
Quatro Pontes
Pranchita
Sao Jorge do Ivai
Ceu Azul
Sertanopolis
Ivaipora
Santo Inacio
Corbelia
Entre Rios do Oeste
Engenheiro Beltrao
Barracao
Realeza
Nova Londrina
Astorga
Coronel Vivida
Perola
Nova Santa Rosa
Nova Esperanca
Cambara
Sao Miguel do Iguacu
Colombo
Campo Largo

IDMS
0.887
0.284
0.268
0.224
0.188
0.170
0.169
0.168
0.164
0.161
0.149
0.149
0.147
0.144
0.141
0.140
0.139
0.136
0.132
0.132
0.131
0.130
0.129
0.129
0.122
0.122
0.121
0.119
0.118
0.117
0.114
0.112
0.112
0.112
0.111
0.111
0.111
0.110
0.109
0.109
0.108
0.108
0.107
0.107
0.107
0.106
0.106
0.106
0.105
0.105
0.105
0.105
0.104
0.104
0.104
0.104
0.103
0.103
0.103
0.103
0.103
0.103
0.102
0.102
0.102
0.102
0.102
0.101
0.101

Posic
ao
1o
2o
3o
4o
5o
6o
7o
8o
9o
10 o
11 o
12 o
13 o
14 o
15 o
16 o
17 o
18 o
19 o
20 o
21 o
22 o
23 o
24 o
25 o
26 o
27 o
28 o
29 o
30 o
31 o
32 o
33 o
34 o
35 o
36 o
37 o
38 o
39 o
40 o
41 o
42 o
43 o
44 o
45 o
46 o
47 o
48 o
49 o
50 o
51 o
52 o
53 o
54 o
55 o
56 o
57 o
58 o
59 o
60 o
61 o
62 o
63 o
64 o
65 o
66 o
67 o
68 o
69 o

Tam. Merc.
0.826
0.143
0.104
0.070
0.069
0.094
0.011
0.041
0.076
0.031
0.017
0.015
0.003
0.015
0.031
0.007
0.001
0.072
0.006
0.030
0.014
0.024
0.004
0.009
0.012
0.008
0.008
0.009
0.015
0.007
0.002
0.004
0.004
0.020
0.017
0.007
0.007
0.014
0.006
0.007
0.012
0.011
0.006
0.002
0.007
0.003
0.007
0.001
0.004
0.001
0.003
0.002
0.006
0.000
0.005
0.001
0.004
0.004
0.005
0.003
0.007
0.006
0.003
0.005
0.005
0.010
0.006
0.029
0.028

Posic
ao
1o
2o
3o
7o
8o
4o
63 o
9o
5o
10 o
19 o
25 o
384 o
23 o
11 o
258 o
396 o
6o
334 o
12 o
29 o
15 o
370 o
141 o
53 o
230 o
208 o
160 o
26 o
251 o
393 o
367 o
374 o
17 o
20 o
264 o
251 o
32 o
320 o
290 o
38 o
89 o
337 o
389 o
266 o
380 o
266 o
397 o
370 o
395 o
380 o
394 o
308 o
399 o
357 o
398 o
361 o
372 o
355 o
379 o
266 o
332 o
383 o
338 o
346 o
104 o
314 o
13 o
14 o

Op. Neg.
0.010
0.115
0.123
0.119
0.089
0.060
0.111
0.095
0.051
0.087
0.091
0.092
0.096
0.091
0.082
0.087
0.093
0.048
0.085
0.073
0.080
0.075
0.080
0.086
0.071
0.074
0.077
0.067
0.062
0.066
0.075
0.059
0.067
0.063
0.055
0.062
0.062
0.055
0.067
0.058
0.057
0.055
0.062
0.064
0.052
0.071
0.055
0.060
0.054
0.060
0.058
0.064
0.057
0.061
0.057
0.058
0.057
0.055
0.054
0.058
0.054
0.055
0.055
0.052
0.057
0.051
0.054
0.072
0.043

Posic
ao
384 o
3o
1o
2o
11 o
41 o
4o
6o
78 o
12 o
9o
8o
5o
9o
16 o
13 o
7o
95 o
15 o
23 o
17 o
21 o
17 o
14 o
26 o
22 o
19 o
27 o
34 o
30 o
20 o
42 o
28 o
33 o
54 o
36 o
36 o
55 o
28 o
43 o
49 o
59 o
35 o
31 o
73 o
25 o
57 o
40 o
65 o
39 o
45 o
32 o
48 o
38 o
51 o
43 o
49 o
57 o
62 o
46 o
64 o
60 o
53 o
74 o
47 o
76 o
63 o
24 o
123 o

Amb. Inst.
0.051
0.026
0.041
0.034
0.030
0.016
0.047
0.031
0.037
0.042
0.041
0.043
0.049
0.037
0.028
0.045
0.046
0.016
0.042
0.029
0.037
0.031
0.046
0.033
0.040
0.041
0.036
0.044
0.041
0.044
0.037
0.049
0.042
0.029
0.039
0.042
0.042
0.042
0.036
0.044
0.039
0.042
0.039
0.040
0.047
0.032
0.044
0.044
0.048
0.043
0.043
0.039
0.041
0.043
0.042
0.045
0.042
0.044
0.044
0.042
0.041
0.042
0.044
0.045
0.040
0.040
0.041
0.000
0.030

Posic
ao
1o
394 o
176 o
375 o
387 o
397 o
7o
383 o
335 o
106 o
142 o
74 o
3o
320 o
391 o
16 o
13 o
398 o
111 o
389 o
322 o
384 o
13 o
378 o
236 o
185 o
351 o
46 o
156 o
37 o
317 o
2o
122 o
390 o
246 o
88 o
124 o
126 o
339 o
41 o
283 o
97 o
247 o
212 o
6o
382 o
48 o
28 o
5o
54 o
57 o
263 o
161 o
59 o
85 o
27 o
101 o
31 o
42 o
130 o
140 o
92 o
35 o
21 o
216 o
200 o
155 o
399 o
388 o

82

Tabela 38: Continua: Ranking dos maiores indicadores propostos (IDMS) no estado do
Parana
Municipios
Douradina
Cafelandia
Faxinal
Assai
Guaira
Cambe
Mambore
Japira
Uniao da Vitoria
Nova Aurora
Chopinzinho
Santa Isabel do Ivai
Ubirata
Vitorino
Tupassi
Mercedes
Telemaco Borba
Goioere
Sertaneja
Terra Rica
Wenceslau Braz
Santa Fe
Colorado
Pato Bragado
Mariopolis
Missal
Arapoti
Ipora
Jacarezinho
Sao Pedro do Ivai
Cruzeiro do Oeste
Palmas
Nova Fatima
Florai
Ampere
Ribeirao Claro
Santa Helena
Urai
Santa Terezinha de Itaipu
Juranda
Guaraniacu
Sao Jorge dOeste
Prudentopolis
Ivatuba
Andira
Terra Boa
Bela Vista do Paraiso
Siqueira Campos
Campina Grande do Sul
Sabaudia
Quatro Barras
Vera Cruz do Oeste
Itambe
Clevelandia
Marilandia do Sul
Rondon
Floresta
Mandaguacu
Atalaia
Bom Sucesso do Sul
Mallet
Tibagi
Joaquim Tavora
Doutor Camargo
Santa Mariana
Catanduvas
Alto Piquiri
Senges

IDMS
0.100
0.100
0.100
0.100
0.099
0.099
0.099
0.099
0.099
0.098
0.098
0.098
0.098
0.098
0.097
0.097
0.097
0.097
0.097
0.097
0.096
0.096
0.096
0.096
0.096
0.095
0.095
0.095
0.095
0.095
0.094
0.094
0.094
0.094
0.094
0.094
0.093
0.093
0.093
0.093
0.093
0.092
0.092
0.092
0.092
0.092
0.092
0.091
0.091
0.091
0.091
0.091
0.091
0.090
0.090
0.090
0.090
0.090
0.090
0.090
0.089
0.089
0.089
0.089
0.089
0.088
0.088
0.088

Posic
ao
70 o
71 o
72 o
73 o
74 o
75 o
76 o
77 o
78 o
79 o
80 o
81 o
82 o
83 o
84 o
85 o
86 o
87 o
88 o
89 o
90 o
91 o
92 o
93 o
94 o
95 o
96 o
97 o
98 o
99 o
100 o
101 o
102 o
103 o
104 o
105 o
106 o
107 o
108 o
109 o
110 o
111 o
112 o
113 o
114 o
115 o
116 o
117 o
118 o
119 o
120 o
121 o
122 o
123 o
124 o
125 o
126 o
127 o
128 o
129 o
130 o
131 o
132 o
133 o
134 o
135 o
136 o
137 o

Tam. Merc.
0.003
0.007
0.004
0.005
0.006
0.022
0.005
0.002
0.010
0.005
0.008
0.003
0.007
0.005
0.006
0.005
0.016
0.008
0.002
0.007
0.005
0.002
0.007
0.003
0.004
0.007
0.008
0.006
0.010
0.004
0.006
0.009
0.005
0.002
0.009
0.004
0.008
0.004
0.006
0.007
0.006
0.007
0.012
0.007
0.007
0.005
0.003
0.006
0.013
0.002
0.008
0.007
0.006
0.007
0.006
0.005
0.004
0.006
0.005
0.007
0.007
0.007
0.004
0.007
0.005
0.007
0.007
0.007

Posic
ao
380 o
297 o
376 o
341 o
313 o
16 o
346 o
387 o
96 o
346 o
186 o
377 o
266 o
355 o
318 o
360 o
22 o
197 o
391 o
304 o
351 o
391 o
299 o
384 o
375 o
290 o
188 o
324 o
110 o
363 o
316 o
169 o
358 o
388 o
180 o
373 o
196 o
365 o
333 o
304 o
324 o
282 o
39 o
294 o
285 o
344 o
384 o
330 o
33 o
390 o
223 o
266 o
329 o
294 o
327 o
353 o
369 o
330 o
341 o
285 o
242 o
248 o
362 o
280 o
358 o
255 o
266 o
247 o

Op. Neg.
0.056
0.051
0.055
0.053
0.053
0.046
0.053
0.052
0.054
0.050
0.047
0.052
0.048
0.047
0.045
0.046
0.049
0.049
0.054
0.046
0.049
0.054
0.050
0.049
0.050
0.043
0.050
0.047
0.049
0.050
0.047
0.049
0.045
0.051
0.042
0.049
0.044
0.049
0.046
0.041
0.047
0.040
0.043
0.038
0.046
0.047
0.052
0.045
0.042
0.050
0.048
0.039
0.041
0.043
0.044
0.045
0.045
0.045
0.040
0.037
0.039
0.045
0.046
0.037
0.046
0.038
0.039
0.044

Posic
ao
52 o
77 o
56 o
69 o
68 o
106 o
70 o
75 o
67 o
80 o
98 o
71 o
94 o
102 o
112 o
109 o
93 o
92 o
66 o
105 o
90 o
61 o
81 o
87 o
82 o
125 o
85 o
100 o
89 o
84 o
100 o
87 o
113 o
79 o
128 o
86 o
120 o
91 o
107 o
137 o
99 o
142 o
124 o
157 o
108 o
97 o
72 o
114 o
128 o
83 o
96 o
150 o
140 o
126 o
119 o
115 o
111 o
116 o
146 o
161 o
147 o
118 o
110 o
160 o
104 o
156 o
148 o
121 o

Amb. Inst.
0.041
0.042
0.041
0.041
0.040
0.031
0.041
0.045
0.035
0.043
0.043
0.042
0.042
0.046
0.046
0.046
0.032
0.040
0.041
0.044
0.042
0.040
0.039
0.043
0.042
0.045
0.037
0.042
0.035
0.041
0.041
0.036
0.044
0.041
0.043
0.041
0.041
0.040
0.041
0.045
0.039
0.045
0.037
0.048
0.039
0.039
0.036
0.040
0.035
0.039
0.035
0.045
0.044
0.041
0.041
0.040
0.041
0.039
0.045
0.046
0.043
0.037
0.039
0.045
0.038
0.043
0.042
0.037

Posic
ao
175 o
113 o
157 o
140 o
238 o
386 o
143 o
25 o
370 o
68 o
78 o
100 o
90 o
10 o
12 o
8o
380 o
234 o
172 o
43 o
98 o
222 o
254 o
52 o
95 o
17 o
316 o
111 o
363 o
181 o
151 o
347 o
29 o
147 o
62 o
170 o
131 o
229 o
159 o
18 o
240 o
20 o
329 o
4o
278 o
264 o
339 o
197 o
361 o
268 o
364 o
24 o
34 o
179 o
173 o
209 o
171 o
256 o
23 o
9o
82 o
320 o
261 o
18 o
309 o
66 o
106 o
314 o

83

Tabela 39: Continua: Ranking dos maiores indicadores propostos (IDMS) no estado do
Parana
Municipios
Campina da Lagoa
Santa Tereza do Oeste
Terra Roxa
Mangueirinha
Itaipulandia
Alvorada do Sul
Matelandia
Vere
Eneas Marques
Pitanga
Morretes
Bandeirantes
Quatigua
Paraiso do Norte
Porto Rico
Ibaiti
Alto Parana
Santa Cruz de Monte Castelo
Planalto
Jaguariaiva
Capitao Leonidas Marques
Lupionopolis
Peabiru
Boa Esperanca
Renascenca
Marmeleiro
Cidade Gaucha
Angulo
Borrazopolis
Quitandinha
Santo Antonio do Sudoeste
Japura
Jaguapita
Pinhalao
Nova Alianca do Ivai
Jundiai do Sul
Contenda
Serranopolis do Iguacu
Carlopolis
Congonhinhas
Manoel Ribas
Araruna
General Carneiro
Ortigueira
Cambira
Iguaracu
Santa Izabel do Oeste
Planaltina do Parana
Itapejara dOeste
Antonina
Tapejara
Janiopolis
Nova Prata do Iguacu
Tijucas do Sul
Ribeirao do Pinhal
Cantagalo
Barbosa Ferraz
Lobato
Querencia do Norte
Farol
Pirai do Sul
Roncador
Salto do Lontra
Santo Antonio do Paraiso
Paranacity
Sao Jose da Boa Vista
Icaraima
Altonia

IDMS
0.088
0.088
0.088
0.088
0.088
0.088
0.088
0.088
0.087
0.087
0.087
0.087
0.087
0.087
0.087
0.087
0.086
0.086
0.086
0.086
0.086
0.086
0.085
0.085
0.085
0.085
0.085
0.084
0.084
0.084
0.084
0.083
0.083
0.083
0.083
0.083
0.083
0.083
0.083
0.083
0.083
0.083
0.083
0.083
0.083
0.082
0.082
0.082
0.082
0.082
0.082
0.082
0.082
0.082
0.081
0.081
0.081
0.081
0.081
0.081
0.081
0.080
0.080
0.080
0.080
0.080
0.080
0.080

Posic
ao
138 o
139 o
140 o
141 o
142 o
143 o
144 o
145 o
146 o
147 o
148 o
149 o
150 o
151 o
152 o
153 o
154 o
155 o
156 o
157 o
158 o
159 o
160 o
161 o
162 o
163 o
164 o
165 o
166 o
167 o
168 o
169 o
170 o
171 o
172 o
173 o
174 o
175 o
176 o
177 o
178 o
179 o
180 o
181 o
182 o
183 o
184 o
185 o
186 o
187 o
188 o
189 o
190 o
191 o
192 o
193 o
194 o
195 o
196 o
197 o
198 o
199 o
200 o
201 o
202 o
203 o
204 o
205 o

Tam. Merc.
0.006
0.006
0.006
0.010
0.007
0.006
0.007
0.008
0.007
0.010
0.005
0.009
0.005
0.006
0.004
0.009
0.006
0.005
0.009
0.010
0.010
0.005
0.005
0.007
0.007
0.007
0.007
0.006
0.007
0.012
0.009
0.007
0.006
0.007
0.006
0.004
0.009
0.008
0.007
0.008
0.009
0.008
0.008
0.009
0.007
0.004
0.009
0.003
0.009
0.009
0.008
0.008
0.009
0.008
0.007
0.010
0.010
0.007
0.008
0.008
0.009
0.008
0.009
0.005
0.008
0.008
0.008
0.009

Posic
ao
309 o
315 o
327 o
107 o
285 o
336 o
280 o
226 o
255 o
109 o
343 o
171 o
354 o
323 o
365 o
132 o
324 o
344 o
154 o
120 o
99 o
338 o
351 o
290 o
242 o
245 o
276 o
309 o
301 o
37 o
147 o
263 o
334 o
259 o
318 o
367 o
158 o
218 o
276 o
214 o
179 o
228 o
230 o
149 o
294 o
363 o
143 o
378 o
174 o
152 o
230 o
239 o
151 o
230 o
285 o
112 o
123 o
248 o
221 o
241 o
133 o
216 o
170 o
338 o
228 o
183 o
200 o
157 o

Op. Neg.
0.041
0.040
0.047
0.037
0.038
0.042
0.042
0.036
0.035
0.039
0.045
0.043
0.041
0.040
0.041
0.040
0.043
0.041
0.033
0.042
0.034
0.038
0.042
0.035
0.034
0.037
0.038
0.034
0.036
0.027
0.033
0.035
0.041
0.032
0.034
0.039
0.033
0.032
0.036
0.033
0.032
0.035
0.036
0.039
0.036
0.039
0.031
0.042
0.031
0.037
0.037
0.031
0.030
0.036
0.035
0.028
0.031
0.032
0.032
0.029
0.033
0.032
0.031
0.034
0.033
0.028
0.031
0.032

Posic
ao
139 o
144 o
103 o
162 o
158 o
133 o
133 o
169 o
173 o
150 o
117 o
122 o
138 o
143 o
136 o
145 o
127 o
141 o
187 o
132 o
178 o
155 o
131 o
171 o
181 o
164 o
154 o
176 o
165 o
248 o
188 o
174 o
135 o
195 o
184 o
152 o
185 o
203 o
166 o
191 o
196 o
172 o
170 o
149 o
167 o
153 o
217 o
130 o
209 o
159 o
163 o
212 o
222 o
168 o
175 o
238 o
214 o
201 o
197 o
228 o
192 o
201 o
206 o
180 o
190 o
239 o
208 o
197 o

Amb. Inst.
0.041
0.042
0.036
0.041
0.043
0.040
0.039
0.044
0.045
0.038
0.037
0.035
0.041
0.041
0.041
0.037
0.038
0.041
0.044
0.035
0.041
0.042
0.038
0.043
0.044
0.041
0.039
0.044
0.041
0.044
0.041
0.041
0.036
0.043
0.043
0.040
0.040
0.043
0.040
0.042
0.042
0.040
0.039
0.034
0.040
0.039
0.042
0.036
0.042
0.036
0.037
0.043
0.043
0.038
0.040
0.043
0.041
0.042
0.041
0.045
0.038
0.041
0.040
0.041
0.039
0.044
0.041
0.039

Posic
ao
139 o
128 o
357 o
147 o
55 o
191 o
260 o
36 o
22 o
288 o
326 o
366 o
149 o
190 o
134 o
319 o
305 o
184 o
39 o
368 o
146 o
115 o
297 o
73 o
38 o
158 o
249 o
46 o
133 o
32 o
136 o
153 o
350 o
55 o
50 o
205 o
195 o
49 o
228 o
119 o
125 o
237 o
241 o
371 o
221 o
257 o
103 o
343 o
94 o
358 o
315 o
60 o
71 o
299 o
208 o
50 o
187 o
116 o
178 o
26 o
296 o
167 o
198 o
154 o
245 o
39 o
176 o
282 o

84

Tabela 40: Continua: Ranking dos maiores indicadores propostos (IDMS) no estado do
Parana
Municipios
Conselheiro Mairinck
Indianopolis
Reserva
Perola dOeste
Sao Joao do Ivai
Nova Cantu
Pinhao
Tomazina
Sulina
Imbituva
Moreira Sales
Boa Ventura de Sao Roque
Tres Barras do Parana
Jesuitas
Brasilandia do Sul
Candoi
Munhoz de Melo
Porecatu
Jussara
Virmond
California
Ipiranga
Flor da Serra do Sul
Pien
Sao Tome
Iretama
Florida
Sao Carlos do Ivai
Kalore
Sao Joao do Caiua
Boa Vista da Aparecida
Ouro Verde do Oeste
Tamboara
Saudade do Iguacu
Ibema
Diamante DOeste
Nova Olimpia
Maua da Serra
Teixeira Soares
Ourizona
Balsa Nova
Lindoeste
Fazenda Rio Grande
Leopolis
Sao Pedro do Parana
Paula Freitas
Paicandu
Formosa do Oeste
Primeiro de Maio
Itambaraca
Quinta do Sol
Quarto Centenario
Nova America da Colina
Quedas do Iguacu
Xambre
Rancho Alegre DOeste
Luiziana
Bituruna
Campo Bonito
Curiuva
Marumbi
Boa Esperanca do Iguacu

IDMS
0.080
0.080
0.080
0.080
0.079
0.079
0.079
0.079
0.079
0.079
0.079
0.079
0.079
0.079
0.079
0.079
0.078
0.078
0.078
0.078
0.078
0.078
0.078
0.077
0.077
0.077
0.077
0.077
0.077
0.077
0.077
0.077
0.077
0.077
0.077
0.077
0.076
0.076
0.076
0.076
0.076
0.076
0.076
0.075
0.075
0.075
0.075
0.075
0.075
0.075
0.075
0.075
0.075
0.074
0.074
0.074
0.074
0.074
0.074
0.074
0.074
0.074

Posic
ao
206 o
207 o
208 o
209 o
210 o
211 o
212 o
213 o
214 o
215 o
216 o
217 o
218 o
219 o
220 o
221 o
222 o
223 o
224 o
225 o
226 o
227 o
228 o
229 o
230 o
231 o
232 o
233 o
234 o
235 o
236 o
237 o
238 o
239 o
240 o
241 o
242 o
243 o
244 o
245 o
246 o
247 o
248 o
249 o
250 o
251 o
252 o
253 o
254 o
255 o
256 o
257 o
258 o
259 o
260 o
261 o
262 o
263 o
264 o
265 o
266 o
267 o

Tam. Merc.
0.008
0.007
0.010
0.009
0.008
0.008
0.012
0.007
0.008
0.011
0.008
0.010
0.010
0.008
0.006
0.010
0.007
0.008
0.007
0.008
0.006
0.008
0.009
0.011
0.009
0.009
0.007
0.005
0.008
0.007
0.009
0.009
0.007
0.008
0.009
0.008
0.008
0.007
0.010
0.007
0.010
0.009
0.014
0.006
0.005
0.008
0.011
0.008
0.007
0.009
0.007
0.009
0.009
0.012
0.007
0.007
0.006
0.009
0.010
0.009
0.007
0.011

Posic
ao
185 o
301 o
94 o
168 o
221 o
191 o
43 o
245 o
217 o
76 o
210 o
122 o
117 o
184 o
317 o
125 o
255 o
193 o
285 o
203 o
309 o
201 o
135 o
84 o
147 o
165 o
266 o
346 o
239 o
290 o
166 o
154 o
264 o
223 o
137 o
226 o
209 o
299 o
99 o
282 o
116 o
181 o
30 o
322 o
346 o
195 o
77 o
223 o
301 o
154 o
304 o
177 o
163 o
47 o
274 o
297 o
309 o
175 o
118 o
160 o
259 o
61 o

Op. Neg.
0.027
0.031
0.032
0.028
0.032
0.028
0.028
0.031
0.028
0.031
0.031
0.023
0.026
0.028
0.032
0.029
0.028
0.033
0.033
0.027
0.034
0.031
0.024
0.027
0.026
0.028
0.028
0.034
0.028
0.031
0.026
0.026
0.030
0.027
0.026
0.026
0.027
0.033
0.024
0.028
0.029
0.024
0.034
0.030
0.033
0.027
0.028
0.027
0.034
0.025
0.029
0.023
0.023
0.025
0.028
0.028
0.030
0.030
0.021
0.027
0.027
0.017

Posic
ao
255 o
214 o
203 o
240 o
200 o
240 o
230 o
212 o
244 o
207 o
205 o
297 o
261 o
229 o
199 o
225 o
235 o
193 o
194 o
251 o
179 o
211 o
286 o
257 o
266 o
244 o
237 o
177 o
232 o
210 o
268 o
268 o
220 o
253 o
265 o
261 o
246 o
186 o
289 o
240 o
224 o
282 o
181 o
222 o
189 o
251 o
236 o
247 o
183 o
271 o
227 o
299 o
296 o
270 o
231 o
234 o
219 o
220 o
311 o
258 o
259 o
349 o

Amb. Inst.
0.044
0.042
0.038
0.043
0.040
0.043
0.039
0.041
0.044
0.037
0.039
0.046
0.042
0.042
0.040
0.040
0.043
0.037
0.039
0.043
0.038
0.039
0.044
0.040
0.043
0.041
0.042
0.038
0.042
0.040
0.043
0.043
0.040
0.042
0.042
0.042
0.041
0.036
0.042
0.041
0.037
0.043
0.028
0.040
0.037
0.040
0.036
0.040
0.035
0.041
0.039
0.043
0.042
0.037
0.039
0.039
0.038
0.036
0.043
0.038
0.040
0.046

Posic
ao
30 o
84 o
306 o
67 o
224 o
61 o
272 o
165 o
45 o
332 o
239 o
13 o
86 o
123 o
192 o
232 o
65 o
327 o
277 o
75 o
312 o
276 o
33 o
215 o
81 o
163 o
91 o
302 o
128 o
227 o
77 o
80 o
199 o
103 o
127 o
86 o
150 o
349 o
108 o
136 o
336 o
72 o
391 o
219 o
324 o
223 o
345 o
204 o
367 o
182 o
242 o
69 o
96 o
330 o
267 o
243 o
298 o
355 o
64 o
293 o
217 o
11 o

85

Tabela 41: Continua: Ranking dos maiores indicadores propostos (IDMS) no estado do
Parana
Municipios
Guairaca
Santa Ines
Tuneiras do Oeste
Perobal
Abatia
Tapira
Presidente Castelo Branco
Bocaiuva do Sul
Sao Jose das Palmeiras
Pitangueiras
Uniflor
Amapora
Francisco Alves
Sao Joao do Triunfo
Mandirituba
Campo Magro
Palmital
Ariranha do Ivai
Porto Amazonas
Jardim Alegre
Santa Amelia
Santa Lucia
Fernandes Pinheiro
Guapirama
Sao Sebastiao da Amoreira
Santa Cecilia do Pavao
Nova Laranjeiras
Inacio Martins
Rio Bom
Bom Sucesso
Santana do Itarare
Salgado Filho
Jataizinho
Ivate
Honorio Serpa
Rio Azul
Sao Pedro do Iguacu
Sarandi
Sao Jorge do Patrocinio
Alto Paraiso
Fenix
Cafezal do Sul
Nova Esperanca do Sudoeste
Santo Antonio do Caiua
Altamira do Parana
Reboucas
Diamante do Norte
Guaraci
Nova Santa Barbara
Lidianopolis
Itaguaje
Grandes Rios
Figueira
Sapopema
Campo do Tenente
Novo Itacolomi
Turvo
Rio Branco do Sul
Tamarana
Candido de Abreu
Imbau
Espigao Alto do Iguacu
Maria Helena
Rancho Alegre
Marilena

IDMS
0.074
0.074
0.074
0.074
0.073
0.073
0.073
0.073
0.073
0.073
0.073
0.073
0.073
0.073
0.073
0.073
0.072
0.072
0.072
0.072
0.072
0.072
0.072
0.072
0.072
0.072
0.072
0.072
0.071
0.071
0.071
0.071
0.071
0.071
0.071
0.071
0.071
0.071
0.071
0.071
0.071
0.071
0.070
0.070
0.070
0.070
0.070
0.070
0.070
0.069
0.069
0.069
0.069
0.069
0.069
0.069
0.069
0.069
0.069
0.068
0.068
0.068
0.068
0.068
0.068

Posic
ao
268 o
269 o
270 o
271 o
272 o
273 o
274 o
275 o
276 o
277 o
278 o
279 o
280 o
281 o
282 o
283 o
284 o
285 o
286 o
287 o
288 o
289 o
290 o
291 o
292 o
293 o
294 o
295 o
296 o
297 o
298 o
299 o
300 o
301 o
302 o
303 o
304 o
305 o
306 o
307 o
308 o
309 o
310 o
311 o
312 o
313 o
314 o
315 o
316 o
317 o
318 o
319 o
320 o
321 o
322 o
323 o
324 o
325 o
326 o
327 o
328 o
329 o
330 o
331 o
332 o

Tam. Merc.
0.007
0.008
0.009
0.008
0.009
0.007
0.007
0.007
0.009
0.008
0.008
0.007
0.009
0.011
0.010
0.011
0.009
0.010
0.007
0.011
0.010
0.010
0.011
0.008
0.008
0.007
0.012
0.009
0.009
0.008
0.009
0.011
0.008
0.010
0.010
0.010
0.010
0.014
0.009
0.008
0.008
0.008
0.011
0.008
0.008
0.012
0.007
0.008
0.010
0.009
0.007
0.009
0.008
0.007
0.009
0.010
0.011
0.015
0.008
0.011
0.009
0.012
0.008
0.007
0.010

Posic
ao
276 o
230 o
144 o
212 o
173 o
259 o
259 o
304 o
134 o
215 o
207 o
266 o
164 o
83 o
95 o
62 o
153 o
115 o
284 o
88 o
128 o
114 o
89 o
211 o
189 o
276 o
52 o
135 o
160 o
230 o
139 o
91 o
182 o
103 o
108 o
101 o
124 o
28 o
141 o
230 o
192 o
230 o
74 o
198 o
190 o
60 o
248 o
213 o
105 o
159 o
251 o
150 o
218 o
242 o
177 o
93 o
68 o
24 o
186 o
72 o
176 o
54 o
201 o
251 o
130 o

Op. Neg.
0.028
0.024
0.025
0.027
0.025
0.027
0.027
0.031
0.021
0.024
0.024
0.027
0.023
0.021
0.029
0.025
0.025
0.019
0.028
0.021
0.021
0.019
0.019
0.024
0.024
0.025
0.019
0.024
0.021
0.026
0.020
0.018
0.027
0.022
0.019
0.024
0.021
0.031
0.022
0.024
0.022
0.025
0.016
0.022
0.021
0.020
0.026
0.024
0.017
0.019
0.024
0.021
0.025
0.025
0.024
0.016
0.019
0.019
0.024
0.019
0.023
0.013
0.022
0.023
0.018

Posic
ao
233 o
283 o
280 o
249 o
278 o
256 o
254 o
216 o
319 o
285 o
295 o
250 o
301 o
314 o
225 o
273 o
279 o
332 o
243 o
313 o
318 o
326 o
333 o
292 o
284 o
275 o
330 o
293 o
310 o
264 o
322 o
338 o
259 o
308 o
324 o
291 o
317 o
218 o
309 o
290 o
306 o
276 o
351 o
305 o
316 o
323 o
267 o
288 o
348 o
331 o
294 o
311 o
274 o
277 o
281 o
352 o
324 o
329 o
286 o
328 o
300 o
369 o
307 o
298 o
338 o

Amb. Inst.
0.039
0.042
0.040
0.038
0.040
0.039
0.039
0.036
0.043
0.041
0.041
0.039
0.041
0.041
0.033
0.036
0.039
0.044
0.038
0.040
0.042
0.043
0.043
0.040
0.039
0.039
0.041
0.039
0.041
0.038
0.042
0.042
0.036
0.039
0.042
0.037
0.041
0.026
0.040
0.039
0.041
0.038
0.043
0.040
0.041
0.039
0.037
0.038
0.043
0.042
0.038
0.039
0.036
0.037
0.036
0.042
0.038
0.034
0.036
0.038
0.037
0.043
0.038
0.037
0.040

Posic
ao
280 o
117 o
220 o
289 o
206 o
252 o
262 o
346 o
58 o
144 o
132 o
281 o
145 o
163 o
379 o
352 o
275 o
44 o
308 o
196 o
114 o
70 o
76 o
203 o
269 o
248 o
169 o
286 o
135 o
301 o
102 o
83 o
354 o
258 o
120 o
322 o
185 o
393 o
207 o
244 o
189 o
290 o
62 o
202 o
188 o
285 o
337 o
303 o
79 o
120 o
287 o
259 o
344 o
331 o
353 o
89 o
294 o
374 o
348 o
291 o
333 o
53 o
307 o
325 o
230 o

86

Tabela 42: Continua: Ranking dos maiores indicadores propostos (IDMS) no estado do
Parana
Municipios
Inaja
Paulo Frontin
Mariluz
Braganey
Guaporema
Tunas do Parana
Lunardelli
Porto Vitoria
Paranapoema
Corumbatai do Sul
Ventania
Prado Ferreira
Iracema do Oeste
Agudos do Sul
Barra do Jacare
Miraselva
Guamiranga
Bela Vista da Caroba
Jaboti
Esperanca Nova
Mirador
Marquinho
Cruzeiro do Iguacu
Rosario do Ivai
Nova Tebas
Centenario do Sul
Rio Bonito do Iguacu
Sao Jeronimo da Serra
Reserva do Iguacu
Ramilandia
Nossa Senhora das Gracas
Almirante Tamandare
Porto Barreiro
Coronel Domingos Soares
Foz do Jordao
Antonio Olinto
Ivai
Iguatu
Cruz Machado
Salto do Itarare
Bom Jesus do Sul
Santa Maria do Oeste
Arapua
Rio Branco do Ivai
Itaperucu
Anahy
Jardim Olinda
Piraquara
Diamante do Sul
Itauna do Sul
Manfrinopolis
Cruzmaltina
Cafeara
Pinhal de Sao Bento
Santa Monica
Cruzeiro do Sul
Adrianopolis
Laranjal
Sao Manoel do Parana
Goioxim
Campina do Simao
Florestopolis
Mato Rico
Guaraquecaba
Godoy Moreira
Cerro Azul
Doutor Ulysses

IDMS
0.068
0.068
0.067
0.067
0.067
0.067
0.067
0.067
0.067
0.066
0.066
0.066
0.066
0.066
0.066
0.066
0.066
0.066
0.065
0.065
0.065
0.065
0.065
0.065
0.065
0.065
0.064
0.064
0.064
0.064
0.064
0.064
0.064
0.064
0.064
0.064
0.063
0.063
0.063
0.063
0.063
0.062
0.062
0.062
0.062
0.061
0.061
0.061
0.060
0.060
0.060
0.060
0.059
0.059
0.059
0.059
0.059
0.059
0.059
0.058
0.058
0.057
0.056
0.056
0.054
0.049
0.046

Posic
ao
333 o
334 o
335 o
336 o
337 o
338 o
339 o
340 o
341 o
342 o
343 o
344 o
345 o
346 o
347 o
348 o
349 o
350 o
351 o
352 o
353 o
354 o
355 o
356 o
357 o
358 o
359 o
360 o
361 o
362 o
363 o
364 o
365 o
366 o
367 o
368 o
369 o
370 o
371 o
372 o
373 o
374 o
375 o
376 o
377 o
378 o
379 o
380 o
381 o
382 o
383 o
384 o
385 o
386 o
387 o
388 o
389 o
390 o
391 o
392 o
393 o
394 o
395 o
396 o
397 o
398 o
399 o

Tam. Merc.
0.010
0.011
0.010
0.011
0.008
0.008
0.010
0.008
0.009
0.011
0.010
0.006
0.010
0.010
0.010
0.009
0.012
0.012
0.010
0.007
0.010
0.012
0.012
0.009
0.012
0.008
0.012
0.010
0.011
0.011
0.010
0.018
0.011
0.011
0.011
0.014
0.011
0.011
0.012
0.010
0.012
0.012
0.011
0.008
0.012
0.011
0.008
0.016
0.011
0.010
0.012
0.011
0.009
0.012
0.008
0.009
0.011
0.011
0.012
0.012
0.012
0.009
0.011
0.014
0.012
0.013
0.012

Posic
ao
119 o
86 o
129 o
80 o
205 o
203 o
121 o
230 o
172 o
87 o
106 o
320 o
97 o
131 o
126 o
167 o
45 o
59 o
92 o
274 o
102 o
58 o
56 o
137 o
51 o
194 o
35 o
113 o
79 o
67 o
127 o
18 o
70 o
78 o
75 o
31 o
66 o
82 o
56 o
98 o
44 o
36 o
65 o
206 o
42 o
84 o
199 o
21 o
73 o
111 o
41 o
81 o
140 o
50 o
220 o
146 o
70 o
69 o
49 o
46 o
55 o
145 o
64 o
27 o
48 o
34 o
40 o

Op. Neg.
0.017
0.017
0.019
0.017
0.020
0.022
0.017
0.023
0.018
0.015
0.019
0.025
0.014
0.018
0.016
0.018
0.014
0.012
0.014
0.021
0.014
0.012
0.012
0.018
0.014
0.023
0.012
0.018
0.014
0.011
0.015
0.026
0.011
0.014
0.013
0.009
0.015
0.012
0.017
0.012
0.008
0.011
0.010
0.018
0.014
0.012
0.015
0.021
0.010
0.012
0.007
0.011
0.014
0.006
0.017
0.014
0.013
0.009
0.007
0.007
0.007
0.015
0.007
0.006
0.004
0.005
0.000

Posic
ao
345 o
347 o
327 o
350 o
321 o
304 o
343 o
302 o
337 o
357 o
333 o
271 o
364 o
342 o
353 o
341 o
363 o
376 o
361 o
315 o
359 o
378 o
373 o
336 o
364 o
303 o
378 o
340 o
364 o
380 o
354 o
263 o
382 o
364 o
370 o
387 o
358 o
373 o
344 o
372 o
389 o
380 o
385 o
335 o
361 o
377 o
356 o
320 o
385 o
373 o
392 o
383 o
364 o
395 o
345 o
360 o
371 o
387 o
392 o
390 o
392 o
355 o
391 o
396 o
398 o
397 o
399 o

Amb. Inst.
0.041
0.040
0.039
0.040
0.039
0.036
0.040
0.036
0.040
0.041
0.038
0.035
0.042
0.039
0.040
0.039
0.040
0.042
0.041
0.037
0.041
0.042
0.041
0.037
0.039
0.034
0.040
0.037
0.040
0.042
0.039
0.020
0.042
0.039
0.040
0.041
0.037
0.040
0.034
0.040
0.042
0.039
0.041
0.035
0.035
0.039
0.038
0.024
0.040
0.038
0.041
0.038
0.037
0.041
0.034
0.036
0.035
0.039
0.040
0.039
0.039
0.032
0.038
0.036
0.038
0.031
0.034

Posic
ao
173 o
214 o
272 o
226 o
284 o
341 o
225 o
342 o
233 o
162 o
309 o
369 o
105 o
279 o
211 o
274 o
218 o
99 o
166 o
318 o
182 o
110 o
159 o
328 o
250 o
377 o
193 o
338 o
210 o
118 o
255 o
396 o
109 o
253 o
235 o
179 o
313 o
193 o
373 o
212 o
93 o
271 o
136 o
365 o
360 o
266 o
311 o
395 o
231 o
300 o
168 o
292 o
334 o
151 o
372 o
356 o
362 o
270 o
201 o
265 o
251 o
381 o
295 o
359 o
304 o
385 o
376 o

87

APENDICE

Analise de Componentes Principais


O objetivo principal da analise de componentes principais e a obtencao de um pequeno n
umero de combinacoes lineares de um conjunto de variaveis, que retenham o maximo
possvel da informacao contida nas variaveis originais. Freq
uentemente, um pequeno n
umero
de componentes pode ser usado, em lugar das variaveis originais, nas analises de regressoes,
analises de agrupamentos etc.
Os Componentes sao extrados na ordem do mais explicativo para o menos explicativo. Teoricamente o n
umero de Componentes e sempre igual ao n
umero de variaveis.
Entretanto, alguns poucos Componentes sao responsaveis por grande parte da explicacao
total.
O processamento da analise de componentes principais pode ter partida na matriz
de variancias e covariancias ou na matriz de correlacao. Pela opcao de uso da matriz de
correlacao, e aconselhavel estabelecer o limite mnimo de 1,0 unidade para a extracao dos
autovalores.

Analise Fatorial
A analise fatorial, de modo geral, e utilizada para analisar a estrutura das interrelacoes (correlacoes) entre um grande n
umero de variaveis, definindo um conjunto de dimensoes latentes comuns que facilitam a compreensao da estrutura da nuvem de dados,
chamadas de fatores.
A definicao do modelo da analise fatorial e a seguinte:
Seja p um conjunto de variaveis observaveis, x1 , x2 , . . . , xp com medias 1 , . . . , p .
Suponha que algumas constantes desconhecidas lij e k variaveis nao-observaveis Fj onde
i 1, . . . , p e j 1, . . . , k onde k < p teremos:
xi i = li1 F1 + . . . + lik Fk + ei
No qual ei sao os erros i.d.d. com media zero e variancia finita, que nao e a mesma

88

para todo i. Se V ar(ei ) = i entao:


Cov(e) = Diag(1 , . . . , p ) = e E(e) = 0
Em notacao matricial teremos:
x = LF + e
Aplicando algumas hipoteses sobre F :
1. F e e sao independentes;
2. E(F ) = 0;
3. Cov(F ) = I
Qualquer solucao a respeito da configuracao acima sobre as restricoes impostas acima
para F e definida como fatores e L como a matriz de cargas fatoriais.
Suponha que Cov(x ) = Cov(LF + e),
ou
X

LCov(F )LT + Cov(e),

ou

Assumindo que Cov(x) =


temos:

= LLT +

. Entao somente sobre as condicoes impostas em F

Cov(x ) = Cov(LF + e),


ou
X

= LCov(F )LT + Cov(e)

ou
X

= LLT +

89

Observe que para qualquer matriz ortogonal Q se definir L = LQ e F = QT F , os


criterios de fatores das cargas fatoriais ainda serao mantidas. Assim, um conjunto de fatores
e cargas fatoriais e identico so ate `as transformacoes ortogonais.
Podemos refazer esta derivacao utilizando outra notacao:
Como o modelo fatorial assume que para cada i o vetor p multivariado Xi e obtido
por:
Xi = LFi + i
onde e um vetor p 1 das variaveis medias, L e uma matriz p m de coeficientes,

Fi e um vetor p1 padronizado das variaveis nao observaveis, denominado de fatores comuns


e i e um vetor p 1 dos erros dos fatores u
nicos.
O modelo expressa as variaveis p observaveis Xi em termos dos m fatores comuns

nao-observaveis Fi e dos p fatores u


nicos nao-observaveis i . Note que o n
umero de naoobservaveis excede o n
umero de observaveis.

As cargas fatoriais ou matriz padr


ao L relaciona os fatores comuns com os dados
observados. A jesima coluna de L representa as cargas da jesima variavel dos fatores
comuns. De outra maneira, podemos visualizar a coluna como os coeficientes para os fatores
comuns da jesima variavel.
Para prosseguirmos precisamos impor algumas restricoes no modelo. Comecamos
pelas restricoes na variancia e no momento, para que E(Fi ) = 0 e E(i ) = 0, E(Fi i ) = 0,
0

nicas.
E(Fi Fi ) = e E(i i ) = onde e a diagonal da matriz de variancias u
Dadas essas premissas, poderemos derivar a relacao fundamental da variancia na
analise fatorial pela notacao que a matriz de variancias das variaveis observaveis e dada por:

var(X) = E[(Xi )(Xi ) ]

= E[(LFi + i )(LFi + i ) ]
0

= LL +

As variancias das variaveis individuais podem ser decompostas em:


jj = h2j + j
0

para cada j, onde o h2j sao dados pelos elementos da diagonal de LL , e j e o

90

elemento correspondente a diagonal de . h2j representa a parcela de variancia comum da


jesima variavel, chamada de comunalidade, enquanto que j e a parcela u
nica de variancia,
tambem conhecida como especificidade1 .
Hair et. alli (2008, p. 102) (38) elucida que a variancia comum denota a variancia
compartilhada com outras variaveis na analise fatorial, enquanto que a variancia do erro
denota a variancia de uma variavel devido a erros na coleta de dados ou na medida e a
variancia especfica, a variancia de cada variavel especfica a ela e que nao e explicada ou
associada com outras variaveis na analise fatorial.
A porcao da variancia V ar(Xi ) = ii = i2 devido ao fator especfico denomina-se
especificidade ou variancia especfica. Tem-se que:
2
2
2
= li1
+ li2
+ . . . + lim
+

ii
|{z}

V ar(Xi )

{z

comunalidade

i
|{z}

vari
ancia especfica

Denotando-se a iesima comunalidade por h2i tem-se:


h2i

2
li1

2
li2

+ ... +

2
lim

m
X

2
lij

com i = 1, 2, . . . , p

j=1

entao
i2 = ii = h2i + i ,

i = 1, 2, . . . , p

A iesima comunalidade e a soma dos quadrados dos carregamentos da iesima


variavel com m fatores comuns.
Alem disso, a matriz de fatores estruturais contendo as correlacoes entre as variaveis
e os fatores pode ser obtida de:
0

var(X, F ) = [(Xi )Fi ]

= E[(LFi + i )Fi ]
= L
Inicialmente, assumiremos que os fatores sao ortogonais, entao = Ie assim:
0

var(X) = LL +
var(X, F ) = L
Note que com os fatores ortogonais, as comunalidades h2j sao dadas pelos elementos
0

da diagonal de LL (as colunas normalizadas de L).


1

Do ingles uniqueness.

91

A tarefa primordial da analise fatorial e modelar p(p + 1)/2 das variancias e covariancias observadas de X como funcao das pm cargas fatoriais em L e das p variancias
b e ,
b podemos formar estimativas da matriz de
especficas in . Dadas as estimativas de L
P

bL
b + ,
b e a matriz de vari
bL
b .
vari
ancia total ajustada, c = L
ancias comums ajustada, cC = L
0

Se S for a matriz observada de dispersao, poderemos usar essas estimativas para definir a

P
P
matriz total de vari
ancias residuais Eb = S c e a variancia comum residual EbC = S cC .

Analise de Fatores Principais


O metodo de fatores principais (eixo principal) e derivado da nocao de que os fatores
comuns pode ser explicado como a porcao de variancia comum: os elementos de fora da
diagonal da matriz de dispersao e as parcelas de comunalidades dos elementos diagonais.
Desta maneira, para uma estimativa das variancias u
nicas 0 , poderemos definir a matriz
de dispersao reduzida SR (0 ) = S 0 , e entao ajustamos esta matriz usando os fatores

comuns (para mais detalhes vide Gorsuch, 1993 (36))

O metodo dos fatores principais ajusta a matriz reduzida usando os primeiros m


autovalores e autovetores. As cargas estimadas, L1 sao obtidos dos autovetores da matriz
reduzida. Dados as cargas estimadas, podemos formar a matriz de variancias comuns resid0

uais E1 = S L1 L1 . Estimativas da singularidade sao obtidas dos elementos da diagonal

desta matriz residual.

A definicao deste metodo e a que segue:


b , eb de S (matriz de covari
Sejam os pares de autovalores-autovetores:
ancia amostral)
i i

b
b ...
b 0 e seja m < p o n
com
umero de fatores comuns. A matriz dos pesos
1
2
p

b =C
bD
c1/2 . Onde:
ou carregamentos estimados dos fatores lbij e dada por L

eb
eb12 . . .
11

eb21 eb22 . . .
Cb =

..
.. . .

.
.
.

ebp1

ebp2

...

eb1p

eb2p

,
..
.

ebpp

c1/2
eD

...
q

c1/2 a matriz
sendo Cb matriz dos autovetores dispostos em ordem decrescente e D

diagonal dos autovalores tambem dispostos em ordem decrescente.

A matriz de pesos ou carregamentos estimada pode ser escrita entao do seguinte

92

modo:
e =
L

q

b eb ...

1 1

b eb ... ...

2 2

b eb

m m

No uso deste desenvolvimento para estimar os pesos e as variancias especficas do


conjunto de dados x1 , x2 , . . . , xp , deve-se centralizar as observacoes. As observacoes centralizadas tem a forma:

x x1
1j

x2j x2

xx=
..

xpj xp

j = 1, 2, . . . , p

ou padronizando, tem-se

zj =

(x1j x1 )
s1
(x2j x2 )
s2
..
.
(xpj xp )
sp

j = 1, 2, . . . , p

Neste caso, a matriz de covariancia amostral S torna-se a matriz de correlacao.


As variancias especficas estimadas sao fornecidas pelos elementos diagonais da mab L,
b assim
triz b = S L

b
1

b =

b2

...
bp

com bi = s2i

m
X

j=1

2
lbij

As comunalidades sao estimadas da seguinte forma:


b 2 = lb2 + lb2 + . . . + lb2
h
i
i1
i2
im

com i = 1, 2, . . . , p

Rotacao Fatorial
Sabe-se da algebra matricial que uma transformacao ortogonal corresponde a uma
rotacao nas coordenadas dos eixos. Essa transformacao ortogonal sobre os fatores de carregamento e chamada de rotacao dos fatores, que tem como objetivo principal obter pesos

93

altos para cada variavel em um u


nico fator e pesos baixos ou moderados nos demais fatores
(Marques, 2006 (63)).
As cargas estimadas e os fatores nao sao u
nicos. Precisamos obter outros que ajustem
a estrutura de covariancia observada identicamente. Esta observacao permanece atras da
nocao de rotacao fatorial, onde aplicamos transformacoes matriciais aos fatores originais e
carregamentos na esperanca de obter uma estrutura fatorial simplificada.
Para isso, comecaremos com o modelo de fatores ortogonais:
Xi = LFi + i
0

onde E(Fi Fi ) = Im . Suponha que nos multiplicamos outros fatores por uma matriz
0

rotacionada m m denotada por T onde T T = . Entao podemos reescrever o modelo


fatorial como:

e Fe + 
Xi = L(T 1 ) T Fi + i = L
i
i
0

o que e observacionalmente equivalente ao modelo de fatores comuns com cargas


e = L(T 1 ) e os fatores Fe = T F , onde as correla
rotacionadas L
coes dos fatores rotacionados
i
i
0

e dado por:

E(Fei Fei ) = T T =
0

Veja Browne (2001) (10) e Bernaards e Jennrich (2005) (8) para maiores detalhes.
Formas de Rotacao
Existem duas formas basicas de rotacao que envolvem diferentes restricoes em .
Na rotacao ortogonal, nos inserimos m(m 1)/2 restricoes na matriz transformada T entao
= I, implicando que os fatores rotacionados sao ortogonais. Na rotacao oblqua, impomos
somente m restricoes em T requerindo os elementos diagonais de = 1.
Na literatura estao presentes muitas formas de rotacao. A maioria dos metodos
envolve a minimizacao de uma funcao objetivo que mensure a complexidade de uma matriz
de fatores rotacionada com respeito a escolha de T , sujeito as restricoes na correlacao fatorial. Jennrich (2001, 2002) (42) descreve os algoritmos para realizar as rotacoes oblquas e
ortogonais para minimizar a funcao objetivo.
Por exemplo, suponha que formemos uma matriz de dimensao p m onde cada

2
elemento ij iguala ao score da carga fatorial correspondente lij : ij = lij
. Intutitivamente,

uma ou mais medidas de simplicidade dos fatores rotacionados padrao pode ser expressa como
uma funcao destas cargas ao quadrado. Uma tal funcao definiria a famlia de complexidades

94

de Crawford-Fergurson:
f (L) = (1 k)

p
X
i=1

m
m X
X

j=1 k6=1

ij ik + k

m
X

j=1

p p6X
=1
X

ij pj
i=1 p

para o parametro de pesos k. A funcao da famlia Crawford-Fergurson e notavel


uma vez que engloba um grande n
umero de metodos de rotacao popular (incluindo Varimax,
Quartimax, Equamax, Parsimax e Fator Parcimonia). O primeiro da soma entre parentesis
que e baseado no produto externo da iesima linha das cargas ao quadrado prove uma
medida da complexidade. As linhas que tem poucas elementos com valor zero nao terao baixa
complexidade em relacao `as linhas com muitos elementos nao-zero. Assim, o primeiro termo
da funcao e uma medida da complexidade das linhas (variaveis) da matriz de cargas. Da
mesma forma, o termo entre parenteses segundo somatorio e uma medida da complexidade
da jesima coluna da matriz de cargas ao quadrado. O segundo termo fornece uma medida
da coluna de complexidade (fator) das cargas da matriz. Daqui resulta que maiores valores
de k atribuem maior peso a complexidade do fator e menor peso `a complexidade da variavel.
Segundo Marques (2006 (63)), Kaiser sugeriu uma medida analtica para efetuar
a rotacao dos fatores denominada rotacao varimax. O procedimento varimax seleciona a
transformacao ortogonal T que torna

V =

p
m
X
1X
4

leij

p j=1
i=1

p
X
i=1

le2

ij

o maior possvel. Onde leij


sao os coeficientes finais rotacionados escalonados pela

raiz quadrada das comunalidades, dada por

lbij

e
lij = b
h

ij

Escores fatoriais
Os fatores usados para explicar a estrutura de covariancia dos dados observados sao
nao-observaveis, porem podem ser estimados atraves das cargas e dos dados observaveis.
Esta estimativa do escore fatorial pode ser usado em analises de diagnosticos subsequentes,
ou como substitutos para os dados observados de maior dimensao.

95

Estimativas dos escores


b como uma combina
Podemos computar as estimativas dos escores fatoriais G
cao
i

linear dos dados observados:

b =W
c (Z )
G
i
i
Z
0

c
onde W
e uma matriz p m dos coeficientes dos escores fatoriais derivadas da

estimativa do modelo fatorial. Frequentemente construiremos estimativas usando os dados


originais logo, Zi = Xi , porem isto nao sera necessario; poderemos por exemplo, usar os
coeficientes obtidos de uma configuracao de dados para gerar os escores individuais em uma
segunda configuracao de dados.
Varios metodos para estimar os coeficientes tem sido propostas. A primeira turma
de metodos fatoriais de pontuacao calcula estimativas exatas ou refina os coeficientes de
pesos W . De um modo geral, estes metodos otimizam algumas propriedades dos escores
estimados com respeito a escolha de W . Por exemplo, o metodo da regressao de Thurnstone
maximiza a correlacao dos escores com os fatores reais (Gorsuch, 1983 (36)). Outros metodos
minimizam a funcao de erros estimados b com respeito a W sujeito as restricoes nos escores

fatoriais estimados. Por exemplo, Anderson e Rubin (1956 (2)) computam os estimadores
de mnimos quadrados ponderados para os escores fatoriais sujeito a condicao de que a
c0 P W
c = .
correlacao implcita na estrutura dos escores W

O segundo conjunto de metodos grosseiros calcula os coeficientes de pesos na qual

os elementos de W sao de acesso restrito a (-1, 0, 1) valores. Esses pesos sao determinados
pelas simplificadas recodificacoes dos elementos da matriz de cargas fatoriais ou uma matriz
de pesos exatos dos coeficientes com base em suas magnitudes. Os valores das matrizes que
sao maiores que um limite (em termos de valores absolutos) sao atribudos sinais de valores
correspondentes de -1 ou 1; todos os outros valores sao recodificados a 0 (Grice, 2001 (34)).