Revista de Economia e Sociologia Rural
https://revistasober.org/article/doi/10.1590/1806-9479.2022.260708
Revista de Economia e Sociologia Rural
ARTIGO ORIGINAL

Decomposição espacial do crescimento da Produtividade Total dos Fatores (PTF) da agropecuária brasileira

Spatial decomposition of the Brazilian agriculture Total Factor Productivity (TFP)

João Felema; Humberto Francisco Silva Spolador

Downloads: 0
Views: 44

Resumo

Resumo:: Nesse trabalho foi realizada uma decomposição espacial do crescimento da Produtividade Total dos Fatores (PTF) do setor agropecuário brasileiro, incluindo componentes diretos (próprios) e indiretos (spillover), no contexto de uma análise de fronteira de produção espacial autorregressiva (SAR) para dados em painel, utilizando os dados censitários de 1995/96, 2006 e 2017 a partir de unidades produtivas referentes a 510 Regiões Geográficas Imediatas (RGI). Os resultados obtidos mostram que o crescimento da PTF foi de 3,87% a.a. na média do período completo, considerando-se apenas os efeitos diretos, e de 6,96% a.a., considerando-se os efeitos totais. Constatou-se também um maior crescimento da PTF no período mais recente e isso está relacionado à expansão da fronteira agrícola para as regiões com baixa produtividade anteriormente. Variáveis como financiamento da agricultura e pecuária, aptidão agrícola, malha rodoviária, plantio direto, correção de solo, escolaridade superior e assistência técnica, mostraram-se estatisticamente significativas na determinação da PTF. Os resultados sugerem que o crescimento da PTF é correlacionado espacialmente e temporalmente, e que spillovers espaciais e seus efeitos locais e globais impactaram a PTF nos três períodos censitários analisados.

Palavras-chave

decomposição PTF, dependência espacial autorregressiva, efeito spillovers, agropecuária brasileira

Abstract

Abstract:: The main objective of this research was to implement a spatial decomposition of Brazilian agriculture Total Factor Productivity (TFP), which includes direct (own) and indirect (spillover) components, in the context of an autoregressive spatial production (SAR) frontier analysis for a panel data for the censuses years 1995/96, 2006 and 2017, published by the Brazilian Institute of Geography and Statistics (IBGE). The SAR boundary is estimated using maximum likelihood methods considering the endogenous spatial lag term. An empirical analysis was conducted using data referent to 510 immediate geographic regions (IGR) as references for the production units. The results demonstrate that the TFP growth was 3.87% per year on average, considering the entire period. The variables rural credit, agricultural suitability, highway road, no-till, soil correction, higher education and technical assistance, were statistically significant to determine the TFP growth. The results suggest that the TFP growth is spatially and temporally correlated, and the inclusion of spatial spillover and its local and global effects influenced TFP in the censuses periods analyzed.
 

Keywords

TFP decomposition, autoregressive spatial dependence, spillovers effect, Brazilian agriculture

Referências

Adetutu, M., Glass, A. J., Kenjegalieva, K., & Sickles, R. C. (2015). The effects of efficiency and TFP growth on pollution in Europe: a multistage spatial analysis. Journal of Productivity Analysis, 43(3), 307-326.

Agência Nacional de Águas e Saneamento Básico. (2017). Atlas da irrigação: uso da água na agricultura irrigada (86 p.). Brasília. Recuperado em 28 de março de 2020, de http://arquivos.ana.gov.br/imprensa/publicacoes/AtlasIrrigacao-UsodaAguanaAgriculturaIrrigada.pdf

Almeida, E. (2012). Econometria espacial. Campinas: Alínea.

Banco Central. (2020). Matriz de dados do crédito rural: contratações. Recuperado em 28 de março de 2020, de https://www.bcb.gov.br/estabilidadefinanceira/micrrural

Bogetoft, P., & Otto, L. (2010). Benchmarking with DEA, SFA, and R (Vol. 157). New York: Springer Science & Business Media.

Bragagnolo, C., Spolador, H. F. S., & Barros, G. S. C. (2021). PTF agrícola: atualização segundo o Censo de 2017. Revista de Política Agrícola, 30, 107-122.

Brasil. Ministério da Infraestrutura. (2019). Mapas e bases dos modos de transporte. 2020. Recuperado em 4 de dezembro de 2019, de http://transportes.gov.br

Cornwell, C., Schmidt, P., & Sickles, R. C. (1990). Production frontiers with cross-sectional and time-series variation in efficiency levels. Journal of Econometrics, 46(1-2), 185-200.

Elhorst, J. P. (2014). Linear spatial dependence models for cross-section data. In J. P. Elhorst (Eds.), Spatial econometrics: from cross-sectional data to spatial panels (SpringerBriefs in Regional Science, pp. 5-36). Berlin: Springer.

Gasques, J. G., Bacchi, M. R. P., & Bastos, E. T. (2018). Crescimento e produtividade da agricultura brasileira de 1975 a 2016. Brasília: Instituto de Pesquisa Econômica Aplicada. Recuperado em 28 de março de 2020, de https://www.ipea.gov.br/cartadeconjuntura/index.php/2018/03/crescimento- e-produtividade-da-agricultura-brasileira-de-1975-a-2016/

Gasques, J. G., Bastos, E. T., Valdes, C., & Bacchi, M. R. P. (2014). Productivity in agriculture: results for Brazil and selected Brazilian states Abstract. Revista de Política Agrícola, 23(3), 87-98.

Gasques, J. G., Bacchi, M. R. P., Rodrigues, L., Bastos, E. T., & Valdes, C. (2016). Produtividade da agricultura brasileira: a hipótese da desaceleração. In J. E. R. Vieira Filho & J. G. Gasques (Eds.), Agricultura, transformação produtiva e sustentabilidade (pp. 142-163). Brasília: IPEA.

Gasques, J. G., Bacchi, M. R. P., Bastos, E. T., & Valdes, C. (2021). PTF e impactos de políticas públicas. Revista de Política Agrícola, 30, 72-77.

Glass, A. J., Kenjegalieva, K., & Sickles, R. C. (2016). A spatial autoregressive stochastic frontier model for panel data with asymmetric efficiency spillovers. Journal of Econometrics, 190(2), 289-300.

Glass, A., Kenjegalieva, K., & Paez-Farrell, J. (2013). Productivity growth decomposition using a spatial autoregressive frontier model. Economics Letters, 119(3), 291-295.

Glass, A., Kenjegalieva, K., & Sickles, R. C. (2014). Estimating efficiency spillovers with state level evidence for manufacturing in the US. Economics Letters, 123(2), 154-159.

Helfand, S. M., & Levine, E. S. (2004). Farm size and the determinants of productive efficiency in the Brazilian Center-West. Agricultural Economics, 31(2-3), 241-249.

Helfand, S. M., Magalhães, M. M., & Rada, N. E. (2015). Brazil’s agricultural total factor productivity growth by farm size (IDB Working Paper Series, No. 609). Washington: Inter-American Development Bank.

Instituto Brasileiro de Geografia e Estatística – IBGE. (1998). Censo agropecuário 1995-1996 (358 p.). Rio de Janeiro: IBGE.

Instituto Brasileiro de Geografia e Estatística – IBGE. (2012). Censo agropecuário 2006: Brasil, Grandes Regiões e Unidades da Federação-Segunda Apuração (774 p.). Rio de Janeiro: IBGE.

Instituto Brasileiro de Geografia e Estatística – IBGE. (2019). Censo agropecuário 2017 (104 p.). Rio de Janeiro: IBGE.

Kopczewska, K., Kudła, J., & Walczyk, K. (2017). Strategy of spatial panel estimation: spatial spillovers between taxation and economic growth. Applied Spatial Analysis and Policy, 10(1), 77-102.

Kumbhakar, S. C., & Wang, H.-J. (2005). Estimation of growth convergence using a stochastic production frontier approach. Economics Letters, 88(3), 300-305.

Kutlu, L. (2018). Estimating efficiency in a spatial autoregressive stochastic frontier model. Economics Letters, 163, 155-157.

LeSage, J., & Pace, R. K. (2009). Introduction to spatial econometrics. London: Chapman e Hall/CRC.

Quantum GIS. Development Team. (2017). Quantum GIS Geographic Information System. V. 2.18. Open Source Geospatial Foundation Project.

Rios, V., & Gianmoena, L. (2018). Convergence in CO2 emissions: a spatial economic analysis with cross-country interactions. Energy Economics, 75, 222-238.

Silva, G. (1982). Evolução e determinantes da produtividade agrícola: o caso da pesquisa e da extensão rural em São Paulo (Tese de doutorado). FEA/USP, São Paulo.

Tsukamoto, T. (2019). A spatial autoregressive stochastic frontier model for panel data incorporating a model of technical inefficiency. Japan and the World Economy, 50, 66-77.

Wooldridge, J. M. (2006). Introdução à econometria: uma abordagem moderna. São Paulo: Pioneira Thomson Learning.
 


Submetido em:
04/02/2022

Aceito em:
19/07/2022

63246cbda953955c9c000334 resr Articles
Links & Downloads

resr

Share this page
Page Sections