POBREZA NO ESTADO DO AMAZONAS: UMA ANÁLISE ... - Fipe

POBREZA NO ESTADO DO AMAZONAS: UMA ANÁLISE ESPACIALRESUMODe acordo com o Índice de Desenvolvimento Familiar-IDF, adotado recentemente pelo GovernoFederal, o Amazonas é o Estado com a pior situação de miséria do país. Dada essa problemática,este trabalho tem como objetivo oferecer uma análise da distribuição da pobreza no Estado doAmazonas, nos anos de 1991 e 2000, num contexto de dependência espacial. Para esse fim,utilizou-se como variável a ser explicada, a proporção de pobres abaixo da linha de pobreza.Primeiramente, realizou-se Análise Exploratória de Dados Espacial que indicou haver correlaçãoespacial na região. Em seguida, estimou-se modelo econométrico para assegurar tal resultado econstatou-se que a pobreza no Amazonas depende apenas de fatores próprios da região, semrelação de vizinhança. O modelo permitiu verificar também que a pobreza guarda relação diretacom a concentração de renda, com o índice de desenvolvimento de renda e com a distânciageográfica da capital.Palavras-Chave: Pobreza, Econometria Espacial, Análise Exploratória de Dados Espaciais.ABSTRACTAccording to the HDI- Household Development Index, adopted recently by the FederalGovernment, the Amazonas is the state with the worst poverty situation of the country. Given thisproblem, this work is intended to provide an analysis of the distribution of poverty in the State ofAmazonas, in the years 1991 and 2000, in a context of spatial dependence. To that end, it wasused as a variable to be explained, the proportion of poor below the poverty line. Firstly, it wasrealized Exploratory Analysis of Spatial Data that indicated spatial correlation in the region.Then, it was estimated econometric model to ensure such result. It was found that poverty in theAmazon depends only on factors pertaining to the region, without regard to neighborhood. Themodel also showed that poverty is related directly to the concentration of income, with thedevelopment index of income and geographical distance of the capital.Keywords: Poverty, Spatial Econometric, Exploratory Spatial Data Analysis.(Artigo concorrente ao prêmio Paulo Haddad)

21 INTRODUÇÃONo dia 24 de novembro de 2008 o Ministério do Desenvolvimento Social lançou oficialmente oÍndice de Desenvolvimento Familiar-IDF. O índice proposto por Barros, Carvalho e Franco(2003) analisa escolaridade, vulnerabilidade, acesso ao trabalho, renda, desenvolvimento infantile condições de moradia. Ainda não disponibilizado ao público, de acordo com matéria publicadano Jornal O Estado de S.Paulo (2008), o Amazonas é o Estado com a pior situação de miséria,seguido do Pará e Maranhão. Nove, dos 10 municípios classificados como os mais pobres doBrasil são da Região Norte. É neste contexto que este trabalho está inserido e busca analisar adistribuição da pobreza do Estado do Amazonas sob a ótica espacial e seus determinantes.O Amazonas, isolado geograficamente, tem uma única rodovia que faz a ligação de sua capital àsdemais regiões do país. A BR 319, que liga Manaus a Porto Velho é intrafegável, portanto,inutilizada, mantendo o isolamento do Estado via terrestre. Com exceção de nove municípios, dototal de 62, todos os demais não tem ligação com a capital Manaus via terrestre. O acesso a bense serviços é dificultado por viagens de barcos que podem durar até dezenove dias. Essaspeculiaridades fazem com que a maioria dos municípios tenha alto percentual de pessoas comrendimentos abaixo da linha de pobreza. A concentração de renda torna-se mais elevada tendo emvista o baixo índice populacional e o baixo nível de renda, afetando negativamente o nível depobreza. Por outro lado, o Estado carece de investimentos em educação, saúde e infra-estrutura,fatores estes que influenciam substancialmente nas medidas de pobreza.Por suas dimensões geográficas e pela renda altamente concentrada na capital Manaus, é de seesperar que haja algum fenômeno de difusão de pobreza e riqueza no Estado, formandoagrupamentos de municípios pobres rodeados por pobres e ricos rodeados de ricos. Analisar essefenômeno espacialmente, bem como os determinantes da pobreza são os objetivos deste trabalho.Para atingir esses objetivos, é necessário compreender a formação socioeconômica do Amazonas,assunto que será tratado na próxima sessão deste trabalho. Em seguida, são apresentados osaspectos gerais do conceito de pobreza e breve revisão literária sobre o tema com aplicações daanálise espacial. Na quarta sessão é apresenta a metodologia utilizada para atingir os objetivospropostos e, na quinta sessão, são apresentados os resultados, finalizando com a sexta sessãoonde são feitas as considerações finais e conclusão.2 CARACTERIZAÇÃO GERAL DO ESTADO DO AMAZONAS2.1 Aspectos geográficosO Amazonas é o maior Estado brasileiro em área, com 1.57 milhões de km², onde estáconcentrada a maior reserva tropical do planeta e uma das maiores bacias hidrográficas. Tem amenor área de floresta amazônica devastada (2%) e está dividido em 62 municípios. Suapopulação é de 3,3 milhões de pessoas, das quais, 52% estão na capital Manaus. Tem a segundamais baixa densidade demográfica do Brasil, 2,05 hab./km 2 , perdendo apenas para Roraima, com1,76 hab./km 2 IBGE (2008). O isolamento geográfico do Estado é o maior empecilho ao seudesenvolvimento, já que existe apenas uma rodovia (BR-319, Manaus-Porto Velho) que fazligação com o resto do Brasil, mesmo assim, intrafegável.

32.2 Aspectos sócio-econômicosA maior parte da população vive às margens dos rios, que servem como estradas. Os barcos são oprincipal meio de transporte, responsáveis pela comercialização de produtos e condução depassageiros. O tempo de viagem de barco dos municípios mais distantes da capital, comoTabatinga, Benjamin Constante e Atalaia do Norte dura em média, oito dias. As distâncias sãoampliadas pelas curvas dos rios. A cidade de Guajará (a Sudoeste do Estado e a mais distante dacapital), por exemplo, dista de Manaus 1470 km em linha reta, mas em quilômetros fluviais são4.673 km e, se essa viagem for feita de barco, o tempo aproximado é de 19 dias.De acordo com IBGE (2008), no interior do Estado mais de 70% dos domicílios não tem águaencanada e se abastecem de rios, poços ou nascentes. Nas zonas urbanas, crescem os bolsões depobreza e a ocupação desordenada, sem que haja investimentos suficientes em infra-estrutura,saúde e educação. Em 2007 a taxa de mortalidade infantil registrada no estado foi de 25,9%,pouco superior à média nacional, de 24,32%. A rede pública hospitalar tem em média 1,55 leitospor grupo de mil habitantes, quando a Organização Mundial de Saúde-OMS recomenda 4,5 paracada mil.A formação econômica do Amazonas tem sua base na extração da borracha, com seu auge nodecênio de 1891-1900 que chegou a representar 40% das exportações brasileiras (SANTOS,1980). Por volta de 1912 a borracha da Amazônia perdeu competitividade no comércio mundial,levando a economia à bancarrota por um período de 40 anos. Somente a partir de 1967 o Estadoinaugurou outro ciclo de sua história com a abertura oficial da Zona Franca de Manaus(MAHAR, 1978). Dessa forma, foi instituído o atual modelo de desenvolvimento, englobandouma área física de 10 mil km², tendo como centro a cidade de Manaus. Assim, a letargiaeconômica foi rompida com o surgimento de uma nova fonte de dinamismo: o pólo industrialmoderno, intimamente integrado a mercados externos - na importação de componentes e vendade bens de consumo duráveis. Esse dinamismo ocasionou aumento populacional, transformandoManaus na maior cidade da Região Norte e a oitava maior do país. O sistema de incentivosfiscais implantados na região atraiu investidores, que aproveitaram a redução do custo do capitale as facilidades na importação de insumos para investir em setores emergentes de alta tecnologia.Surgiram assim vários subsetores industriais: eletroeletrônico, duas rodas, relojoeiro, ótico ebrinquedos, entre outros (SILVA, 2006).Para Gomes e Vergolino (1997), a indústria passou a ser o motor do crescimento e propiciou osurgimento de um mercado de trabalho moderno. Para Silva (2006), a implantação da ZonaFranca de Manaus impactou muitos setores da economia regional. Em particular, isso ocorreu apartir da reestruturação produtiva no início dos anos 90, com o aumento do grau de abertura daeconomia brasileira. Porém, outras atividades, como a exploração do gás e petróleo de Urucú,expansão da fronteira agrícola, a Hidrovia do Madeira, a ligação rodoviária com a Venezuela,instalação de centro produtivo de cosméticos, ecoturismo, agroindústria, industrialização dopescado, atividades extrativo-florestais, a bioindústria, dentre outros segmentos produtivos, sãofatores que no médio prazo, aumentarão a renda e o emprego regional.Conforme SEPLAN (2008), o PIB do Amazonas em 2005 foi de R$33,4 bilhões e desse total,Manaus participou com R$27,23 bilhões, ou 82% - produção altamente concentrada na capital. Osegundo maior PIB da região é o do município de Coari, onde se explora o gás natural, que foi deR$0,98 bilhões, apenas 3% do PIB do Estado. Em seguida estão os municípios de Itacoatiara

4(exploração de madeira e castanha-do-Brasil), Parintins (turismo, agricultura e pecuária),Presidente Figueiredo (extração de minérios e turismo) e Manacapuru (agricultura, pesca eturismo). Em relação ao Brasil, o PIB do Amazonas corresponde a 1,6%.A forte dependência do Estado em relação ao Pólo Industrial de Manaus fez com que houvesseintenso processo migratório do interior para capital, culminando com a explosão demográfica deManaus, ao passo que as cidades do interior ficaram estagnadas e empobrecidas. A possibilidadede reversão desse quadro está na integração regional que deverá ser revertida com a ligação deManaus ao porto de Manta no Equador.3 CARACTERIZAÇÃO DA POBREZA3.1 Definição de PobrezaA pobreza é um fenômeno multidimensional e complexo, razão pela qual existem múltiplasdefinições e formas de avaliá-la. Tradicionalmente, a pobreza é definida como privação material,medida pela renda ou consumo do indivíduo ou da família. Neste caso, fala-se de pobrezaextrema ou pobreza absoluta como a insuficiência de rendimentos para satisfazer as necessidadesalimentares básicas. Estas últimas, muitas vezes são expressas em termos de requisitos calóricosmínimos. Além disso, há a definição de pobreza geral ou relativa, que é a insuficiência de rendapara satisfazer necessidades alimentares básicas e necessidades não-básicas, que são vestuário,habitação e energia (UNDP 2000). No Brasil, existem vários trabalhos com essa abordagem,como Rocha (2000), Hoffman (1998), Barros, Carvalho e Franco (2003) e Lopes, Macedo &Machado (2005) entre muitos outros.3.2 Indicadores de PobrezaC. Martinez (2004) destaca que as necessidades básicas dos seres humanos variam no tempo eentre sociedades. Por isso, cada país elabora suas próprias linhas de pobreza de acordo com nívelde desenvolvimento, normas sociais e valores. Por conta disso, há vasta literatura na economiasobre medidas da pobreza. Porém, enumera Picolotto (2005), os indicadores mais utilizados sãoaqueles ligados à renda, como proporção de pobres (head-count ratio), hiato médio de renda ourazão da insuficiência de renda (income gap), índice de Foster, Greer e Tholbecke e índice deSen. Por outro lado, Silva & Barros (2006) afirmam que há consenso quanto àmultidimensionalidade da pobreza, mas há divergência entre os pesquisadores quanto àpossibilidade de agregação das suas diversas dimensões para a obtenção de uma medida escalar.Portanto, a insuficiência de renda acaba sendo um dos principais determinantes da carência dasfamílias, logo um forte candidato escalar para medir a pobreza.a) Índice de Pobreza HumanaDesde 1997 o Programa das Nações Unidas para o Desenvolvimento-PNUD utiliza os índices depobreza criados por Anand e Sen (1997) apud Barros et al (2003), o IPH-1 (Índice de PobrezaHumana) e o IPH-2, que levam em consideração a longevidade, conhecimento e padrão de vidadecente. O primeiro é aplicado a países em desenvolvimento e o segundo, a países desenvolvidos.Da mesma forma, o PNUD adota o índice de proporção de pobres, que pertence à família deíndices de pobreza mais difundidas, conhecida como FGT (Foster-Greer-Thorbecke), cujasensibilidade ao consumo dos pobres está determinada pelo parâmetro (α ≥ 0). O índice FGTpode ser expresso da seguinte forma:

5(1)para todo y t < z; onde: n = população total, z = linha de pobreza, q = número de pessoas comconsumo abaixo da linha de pobreza e, y t = consumo por pessoa i. A porcentagem de pobres éobtida quando α = 0, ou seja, FGT(0)=H1. Quando α = 1, tem-se a intensidade da pobreza naregião, ou, o quão longe está a renda média dos pobres (y t (z)) da linha da pobreza (z) 1 . Esteindicador é conhecido como incidência de pobreza ou FGT (1) que é igual a:(2)Neste trabalho será utilizado α = 0, já que este é o índice constante no Atlas do Desenvolvimento,base de dados aqui utilizada. Quanto à definição da linha de pobreza, corresponde às pessoas comrenda domiciliar per capita inferior a R$ 75,50, equivalente a ½ salário mínimo vigente emagosto de 2000, conforme Atlas do Desenvolvimento no Humano no Brasil.O tratamento da pobreza em termos espaciais é ainda incipiente na literatura brasileira, mas temcrescido, sobretudo pelo aumento da difusão da economia espacial e aprimoramento das técnicaseconométricas para esse fim. Romero (2006) analisou espacialmente a pobreza do Estado deMinas Gerais com a utilização do Índice de Desenvolvimento Humano. Com os mesmosindicadores, Haddad e Nedovic-Budic (2006) realizaram estudo estatístico espacial sobre asdesigualdades intra-urbana na cidade de São Paulo, com atenção para distribuição mais eficientedo programas de alocação de recursos. Oliveira (2006) analisa a existência de padrões espaciaisde insuficiência e desigualdade de renda entre os municípios sergipanos e Chiarini (2008) fazanálise espacial da pobreza no Estado do Ceará. O autor cita ainda outros trabalhos na mesmalinha: Câmara et al. (2004) que apresentam uma metodologia para mapear a exclusão e inclusãosocial em áreas urbanas de países em desenvolvimento, usando técnicas de análise espacial paraidentificar certos padrões; Oliveira (2006) utiliza-se do método econométrico espacial com dadosem painel e estima as elasticidades e concentração de renda com relação à pobreza dosmunicípios nordestinos. Na literatura internacional, merece destaque os trabalhos de Barrenechea(2004), que analisa a pobreza municipal na Bolívia, Perez V.(2005) que faz uma analise espacialda pobreza na Colômbia e Devivero (2005) que trata os fenômenos de difusão e os determinantesda pobreza na Colômbia.4 DADOS E METODOLOGIA4.1 Fonte de dados, recursos tecnológicos e variáveis utilizadasAs informações foram extraídas da base de dados do IPEA-DATA e do Atlas doDesenvolvimento Humano no Brasil, com base nos Censo de 1991 e 2000. Somente asinformações referentes às distâncias dos municípios à capital do Estado, Manaus, foram colhidas1 Detalhes sobre a linha de pobreza, ver: Picolotto (2005).

6da empresa de navegação Proa, localizada em Manaus. Quanto ao mapa geo-referenciado, estefoi obtido da base de dados do IBGE-Instituto Brasileiro de Geografia e Estatística. Os softwaresutilizados foram: Geoda, Atlas, Matlab e Excel. As variáveis explicativas utilizadascompreendem o Índice de Desenvolvimento Humano-IDH 2 , que está dividido em três subíndices:IDH-Longevidade (IDH-L), IDH-Educação (IDH-E) e IDH-Renda (IDH-R). Utilizou-se tambéma distância fluvial dos municípios do Amazonas à sua capital, Manaus (DIST) e o Índice de Gini(GINI). Finalmente, a variável a ser explicada neste trabalho é a pobreza que é a proporção depessoas com renda per capita abaixo da linha de pobreza (POB). A escolha de tais variáveis paraexplicar a pobreza está relacionada à disponibilidade de dados, já que poderiam ser utilizadosoutros inúmeros indicadores. O Estado do Amazonas carece dessas informações, como pode serobservado no levantamento feito por Nahas et al (2006).4.2 Métodos e técnicasAplica-se neste trabalho técnicas de análise espacial que compreende a inspeção visual davariável através de mapas, utilizando-se da Análise Exploratória de Dados Espaciais (AEDE).Em seguida, análise estatística dos dados, finalizando com a modelagem econométrica. Estastécnicas permitirão estabelecer se a pobreza nos municípios do Amazonas se distribui de formaaleatória ou, ao contrário, se existe evidências de algum tipo de dependência espacial entre asmedidas (PÉREZ V. 2005) além da análise de alguns determinantes da pobreza.4.2.1 Análise Exploratória de Dados Espaciais (AEDE)Conforme Salvador (2003), a finalidade da Análise Exploratória de Dados Espaciais (AEDE) éexaminar previamente os dados antes de aplicar qualquer técnica estatística ou econométrica.Desta forma, o analista consegue um entendimento básico de seus dados e das relações existenteentre as variáveis analisadas. A AEDE compreende um conjunto de ferramentas de visualizaçãoatravés de mapas e gráficos, que permitem identificar padrões de associação significativos nadistribuição de uma variável numa determinada região (clusters espaciais), identificarlocalizações atípicas (outliers espaciais) e sugerir diferentes regimes espaciais ou outras formasde instabilidade espacial. Moreno e Vaya (2000) afirmam que o centro desses conceitos estádiretamente relacionado à noção de autocorrelação espacial e heterogeneidade espacial.a) Heterogeneidade espacial e Autocorrelação espacialPara Moreno e Vaya (2000), a heterogeneidade espacial surge quando se usa dados de unidadesespaciais distintas para explicar um mesmo fenômeno. Neste caso, aparecem problemas como aheterocedasticidade ou a instabilidade estrutural, os quais podem ser resolvidos mediante técnicaseconométricas existentes para séries temporais. Por sua vez, a autocorrelação espacial surge namedida em que o valor de uma variável num lugar do espaço está relacionado com o valor de talvariável em outros lugares. Na medida em que isso se apresente, faz com que se viole uma dasprincipais hipóteses quando se trabalha com dados de corte transversal e tem a ver com aindependência das observações amostrais, o qual conduz a problemas de ineficiência em qualquerestimação feita por Mínimos Quadrados Ordinários. A diferença entre heterogeneidade eautocorrelação é que esta última não pode ser resolvida pelas técnicas econométricas2 De acordo com a Organização das Nações Unidas, o IDHM varia de 0 a 1 e, regiões com IDH até 0,499 temdesenvolvimento humano baixo; entre 0,5 e 0,799 são considerados de médio e, maior que 0,8, alto nível dedesenvolvimento. O mais alto IDH-M do Amazonas é o da capital, 0,77 e o mais baixo, município de Ipixuna, com0,49, ambos para o ano de 2000.

7convencionais. Isso ocorre por conta da multidirecionalidade presente nas relações deinterdependências das unidades espaciais.b) Matriz de Contigüidade espacial ou peso espacialO instrumento que se desenvolveu para captar a interdependência entre unidades espaciais é amatriz contigüidade W, a qual tem como característica ser quadrada e não estocástica, cujoselementos w ij refletem a intensidade da relação existente entre cada para de unidades i e j. Asprimeiras noções de dependência espacial foram apresentadas por Moran (1948) e Geary (1954)apud Anselin (1988), e são baseadas na noção de contigüidade binária entre as unidades espaciaisO conceito implica que W ij = 1 se as regiões i e j são fisicamente adjacentes ou 0, caso contrário.Anselin (1988) propõe a utilização de uma matriz inversa da distância ao quadrado, de maneiraque a intensidade da interdependência entre duas regiões diminui com a distância que separa seusrespectivos centros. 3c) Estatísticas Global e Local de autocorrelação espacialPara verificar a presença ou não de autocorrelação espacial, deve-se recorrer a um teste estatísticoglobal, no qual a hipótese nula é a existência de uma distribuição aleatória da variável sob estudoe a hipótese alternativa, a existência de uma associação significativa de valores similares oudiferentes. Essa estatística global resume num único indicador o esquema geral de dependência,que é o I de Moran (Moran, 1948 apud Anselin, 1988).nWIJ ( XiX )( XJX )N i,jIglobali jnS02( X X)i 1iOnde: N é o tamanho amostral, S 0 = i j W ij ; X i é o valor da variável X na região i; X é amédia amostral da variável X; Wij matriz de pesos W. A interpretação dos resultados é feita daseguinte forma: Se, Z(I g ) > 0, autocorrelação espacial positiva; Z(I g ) = 0, ausência deautocorrelação; Z(I g ) < 0, autocorrelação espacial negativa.Dado que os testes de autocorrelação espacial global analisam todas as observações da amostrade forma conjunta, estes não captam situações onde predomine uma importante instabilidade nadistribuição espacial da variável em estudo. Não contemplam a possibilidade de que o esquemade dependência detectado a nível global possa não se manter em todas as unidades do espaçoanalisado. Tal limitação é superável por meio do cálculo da estatística local de Moran, LISA(Anselin, 1995).IZnilocalWIJ ZnJ2 j jiZi/ NiOnde: N é o tamanho amostral, Z i é o valor da variável Z na região i da variável normalizada; J i éo conjunto de regiões vizinhas a i; W ij matriz de pesos W. Interpretação: Se, Z(I l ) > 0, clusters devalores similares ao redor de i; Z(I l ) = 0, ausência de clusters; Z(I l ) < 0, clusters de valoresdissimiles ao redor de i.3 Neste trabalho utilizou-se uma matriz de contigüidade de primeira ordem e com critério rainha para definir avizinhança(3)(4)

8d) Técnicas de visualização dos efeitos espaciaisÉ possível enriquecer os resultados da estatística I-de Moran por meio de gráficos e mapas. Entreesses recursos, cita-se o box map, com outliers superiores e inferiores, scatter plot e scatter map.O scatter plot demonstra no eixo das abscissas as observações da variável objeto de estudo, e nasordenadas a defasagem espacial da mesma. O scatter map é transferência da informação doscatter plot a um mapa de território, onde cada um dos quadrantes é destacado com uma cordiferente. No quadrante I se localizam as populações com alto nível de pobreza e que estãorodeadas de populações com o mesmo nível de pobreza. No quadrante III estão localizadas aspopulações com baixo nível de pobreza, rodeada de populações com o mesmo nível. Já nosquadrantes II, estão localizadas as populações com baixo índice de pobreza rodeada por aquelasde alto índice e, no quadrante e IV, o contrário.IIBaixo-AltoAlto-AltoIIIIBaixo-BaixoAlto-BaixoIVFigura 1: Representação das categorias de associação espacialFonte: Pérez (2005). Adaptação do autor.Deste modo, os quatro quadrantes reproduzem diferentes tipos de dependência espacial. Quandorepresentados num diagrama de dispersão, se a nuvem de pontos está distribuída nos quatroquadrantes, há indício de ausência de correlação espacial. Se, os valores se encontramconcentrados sobre a diagonal que cruza os quadrantes I e III, existe elevada correlação espacialpositiva da variável, coincidindo sua inclinação com o valor do I de Moran. A dependência seránegativa se os valores se concentram nos quadrantes II e IV.4.2.2 Modelo econométrico espacialPosteriormente à AEDE, caso seja sugerido problemas de dependência espacial, cabe oquestionamento de quais razões poderiam explicar esse resultado. Assim, neste trabalho, estimaseum modelo econométrico que objetiva captar a associação espacial detectada e osdeterminantes da pobreza. Isso é feito por meios de variáveis exógenas ao comportamento daprópria região, que afetariam em condições de igualdade as regiões vizinhas. Esse fator é tratadoaqui como a distância geográfica dos municípios em relação à capital Manaus. Outro conjunto defatores explicativos refere-se à dotação de recursos, que implica concentração de renda (GINI),transferências governamentais e investimentos públicos (IDH). Para tanto, estima-se o seguintemodelo econométrico:

9POB (5)itIDH-Ei,t, IDH-Li,t, IDH-Ri,t,GINI i,t,DISTi,t(-) (-) (-) (+) (+)e ~ N(0,1)Onde: i = i-ésimo município; t = período; PB i,t = proporção de pobres no município i, no ano t;IDH-E i,t = IDH-Educação de i em t; IDH-L i,t = IDH -Longevidade de i em t; IDH-R i,t = IDH-Renda de i em t; GINI i,t = Índice de desigualdade de renda de i em t; DIST i,t = Distancia de i emrelação à capital Manaus.a) Testes de normalidade, multicolinearidade e heterocedasticidadeConsiderando que a suposição de normalidade, homocedasticidade e erros não correlacionadosnem sempre são satisfeitas nos modelos de Mínimos Quadrados Ordinários (MQO), é importantechecar se essas suposições não foram violadas, através de testes estatísticos. Para avaliar anormalidade dos resíduos, pode-se utilizar o teste de Jarque-Bera. Essa estatística segue adistribuição χ 2 com 2 graus de liberdade. Se o valor p da estatística for suficientemente baixo,pode-se rejeitar a hipótese nula de que os resíduos têm distribuição normal, ou não, caso contrário(Gujarati, 2000). Assume-se também, a hipótese de que não existe multicolinearidade entre osregressores incluídos no MQO, ou seja, as variáveis explicativas não são correlacionadas entre si.Quando essa hipótese é violada, existe dependência linear entre variáveis explicativas. Amulticolinearidade, quando presente, pode ser perfeita ou imperfeita e para evitar este problema,será apresentada matriz de correlação e o Condition Number 4 .Outra importante hipótese do MQO é que os resíduos são homocedásticos, isto é, a variância decada µ i , para cada X i é algum número constante positivo igual a σ 2 . Quando essa hipótese éviolada, tem-se a presença de heterocedasticidade, tornando os estimadores de MQO ineficientes.Para detectar a possível ausência de homocedasticidade, existem vários testes, dentre os quais sedestaca o teste de White, que é realizado sobre os resíduos obtidos na estimativa do MQO. Aestatística do teste é realizada a partir da estimativa de uma regressão auxiliar e segue umadistribuição χ 2 . Se o valor do χ 2 calculado for menor que o valor χ 2 crítico, não se rejeita ahipótese nula (Gujarati, 2000).b) Identificação do modelo espacialComo destaca Pinheiro (2007), uma estimação por MQO na presença de dependência espacialcausa problemas de ineficiência. Constatando a presença de autocorrelação espacial, avalia-se amaneira mais conveniente de incorporar no modelo tal fenômeno, de modo a especificar a formafuncional mais adequada. A partir dos resíduos homocedásticos e distribuídos normalmente,segue para a etapa seguinte.Seguindo Florax et al. (2003), para identificar o modelo espacial, primeiramente, estima-se omodelo de corte transversal para cada um dos anos, isto com o objetivo de obter osmultiplicadores de Lagrange, com os quais se efetuam os testes que permitem determinar se hánecessidade de especificar um componente espacial no modelo e a forma como este deve serincorporado. Logo, testa-se a hipótese de ausência de autocorrelação espacial mediante o teste deMultiplicador de Lagrange (MLρ) para a defasagem espacial e/ou (MLλ) para o erro espacial.Caso ambos os multiplicadores não sejam significativos, o modelo adequado será o de MQO,4 O Conditon Number é um valor e, se este estiver acima de 30, há uma suspeita da presença de multicolinearidade.Segundo Anselin (1992) quando há ausência total de multicolinearidade o condition number é igual a um.

10sem componente espacial. Do contrário, havendo significância estatística em ambos os testes,estima-se o modelo com maior significância na sua versão robusta, MLRρ e MLRλ. Assim, seMLRρ > MLRλ estima-se o modelo econométrico espacial utilizando a defasagem ou se MLRρ

11nota-se que há muitos pontos nos quadrantes II e IV, levando à associação espacial negativa, istoé, municípios com baixo (alto) índice de pobreza rodeados por municípios com alto (baixo)índice.Figura 3: Diagrama de dispersão Moran para a proporção de pobres no Amazonas (anos 91 e 00)Fonte: Elaborado pelo autor através do software Geoda 0.9.5-i.Como já abordado, para determinar as zonas do Estado para as quais as associações espaciaisentre as medidas de pobreza nos municípios são significativas, realiza-se o teste deautocorrelação local (LISA). Os resultados foram similares ao I-Moran Global. Este exercíciopermite estabelecer em quais zonas existem clusters de pobreza ou associações de municípios deacordo com seu nível de necessidades básicas insatisfeitas.Observa-se, no ano de 1991, cluster com alto índice de pobres (high high) no sul do Amazonas,especificamente, nos municípios de Boca do Acre, Lábrea e Canutama. E, no Sudoesteamazonense, os municípios de Eirunepé e Itamarati. Já na mesoregião, centro, onde se localiza acapital do Estado, Manaus, há cluster com baixo índice de pobreza (low low) formado por oitomunicípios: Manaus, Presidente Figueiredo, Careiro da Várzea, Itacoatiara, Itapiranga, SãoSebastião do Uatumã e Rio Preto da Eva. Destaca-se o fato de que, desses municípios somenteSão S. do Uatumã não tem ligação com Manaus via terrestre.Em uma proporção menor, mas com relação significativa, há alguns municípios com baixopercentual de pobreza, rodeados de municípios com alto percentual (low high), como é o caso deBarcelos e Japurá (Norte) e Jutaí e Tefé (sudoeste). O mesmo ocorre com o município de NovoAirão, no centro, com alto índice de pobreza vizinho de Manaus, com baixo nível de pobreza(high low).O cenário mudou bastante no decorrer de nove anos. Conforme figura 4, formaram-se doisgrandes clusters no Estado: nas mesoregiões Centro e Sudoeste. No centro, há seis municípioscom baixos índices de pobreza, todos vizinhos de Manaus. Novo Airão, que em 1991 era umoutlier, sofreu influência de Manaus e reduziu o percentual de pobres. O mesmo não aconteceucom os municípios de São Sebastião, Itapiranga e Itacoatiara. Já na região Sudoeste formou-segrande cluster de pobreza, com oito municípios, sendo eles: Japurá, Fonte Boa, Tonantins, Jutaí,Amaturá, Itamarati, Eirunepé e Atalaia do Norte. Surgiu nesse grupo um outiler, com baixoíndice de pobreza rodeado por pobres, o município de Tabatinga, cidade na fronteira com a

12Colômbia, cuja cidade vizinha é Letícia. Nota-se, que ao contrário de 1991 o nível de pobreza seacentuou no Estado.Novo AirãoManausFigura 4: Clusters para a Distribuição espacial da pobreza no Estado do Amazonas (anos 91 e 00)Fonte: Elaborado pelo autor através do software Geoda 0.9.5-i.Sendo assim, ficou demonstrado que existe uma estrutura de autocorrelação espacial nadistribuição da pobreza no Estado do Amazonas. Neste caso, qualquer avaliação ou estimação demodelos que se faça com essa variável, deve-se avaliar a necessidade de incorporarexplicitamente tal fenômeno. Logo, cabe o questionamento de quais são as razões que poderiamexplicar esse resultado, assim como definir em que grau de importância certas variáveis sãodeterminantes na pobreza do Amazonas.5.2 Modelo econométrico espacialComo já abordado no item 4.3.2(b), na presença de dependência espacial deve-se avaliar a formamais conveniente de incorporar o fenômeno no modelo e especificar a forma funcional maisadequada. Previamente, com intuito de evitar problemas com multicolinearidade, construiu-se amatriz de correlação para as variáveis exógenas do modelo. Através da matriz e do ConditionNumber, não se observa forte correlação em nenhuma das variáveis (ver apêndice). Da mesmaforma, para evitar violações de hipóteses do modelo de regressão clássico, os testes realizadosconfirmaram que os resíduos estão normalmente distribuídos, bem como são homocedásticos.Portanto, pode-se confiar nas estimativas do referido modelo obtidas com o emprego de MQO.Os resultados foram os seguintes:

13Tabela 1: Regressão com Mínimos Quadrados Ordinários para os anos de 1991 e 2000Variável 1991 2000Coeficiente P-value Coeficiente P-valueCONSTANT 170,61940 0.0000000 139,7605 0,0000000IDH-E-91 -8,3282 0.0756706 5,8145 0.4282994IDH-L-91 -39,9019 0.0576583 -14,9788 0.2669817IDH-R-91 -179,4534 0.0000000 -157,6713 0,0000000GINI-91 39,8978 0.0000268 30,3620 0.0005667DIST 0,0016 0.0452996 0,0013 0.0553797R-quadrado 0,8720 0,864Fonte: elaboração do autorDentre as variáveis utilizadas para o período em análise, aquelas que melhor explicam a pobrezano Amazonas são: o IDH-R e o Índice de Gini, ambas significativas a 1%, enquanto que IDH-L ea distância mostraram-se significativas a 10%.Apesar do ajuste do modelo mostrar-se muito bom,com R 2 em 0,87 para 1991 e 0,86 para o ano 2000, é preciso destacar a possibilidade de viés nocaso de estar presente esquema de autocorrelação parcial nos resíduos do modelo. Para evitar oproblema, faz-se o diagnóstico de dependência espacial.Tabela 2: Diagnóstico para dependência espacial para os anos de 1991 e 2000Teste 1991 2000Valor P-value Valor P-valueMoran's I (error) 0,6667111 0,5049565 -1,02333 0,30615Lagrange Multiplier (lag) 0,0094886 0,9224013 0,05845 0,80896Robust LM (lag) 0,0250289 0,8742951 1,10078 0,29409Lagrange Multiplier (erro) 0,009766 0,9212789 1,98975 0,15837Robust LM (erro) 0,0253063 0,8736063 3,03209 0,08163Lagrange Multiplier (sarma) 0,0347948 0,982753 3,09054 0,21325Fonte: Elaboração do autorFeitos os testes com o multiplicador de lagrange, em nenhum caso mostrou-se significativo, logo,não se rejeita a hipótese de não existência de correlação espacial, isto é, não há interdependênciaentre as regiões. Sendo assim, o modelo sugerido de especificação é por MQO. No intervalo detempo de nove anos, a pobreza nos municípios do Amazonas mostrou-se um fenômenoindependente, não havendo efeitos de vizinhança. A melhoria das condições de vida de cadamunicípio depende exclusivamente do próprio município. Conclui-se que a pobreza nosmunicípios do Estado do Amazonas depende exclusivamente de fatores próprios da região.Quanto aos coeficientes do modelo constantes na tabela 1, todos corresponderam aos sinaisesperados especificados na equação 5. O IDH-E, IDH-L e IDH-R apresentaram sinais negativos,indicando que quanto maior for o nível de educação do município, maior a expectativa de vida equanto maior a renda, menor será o nível de pobreza. Por outro lado, quanto maior for aconcentração da renda, medida pelo índice de Gini, maior será o nível de pobreza, acentuando a

14desigualdade. A mesma relação positiva é demonstrada através do coeficiente da distância, isto é,quanto mais distante for o município da capital, maior será o nível de pobreza.6 CONCLUSÃONeste trabalho buscou-se analisar espacialmente a distribuição da pobreza no Estado doAmazonas e seus determinantes através da medida de proporção de pobres em dois momentosdistintos, no ano de 1991 e 2000. Os primeiros resultados descritos, mediante a análiseexploratória de dados espaciais (AEDE) demonstraram que há dependência espacial entre osmunicípios. As estimativas do I de Moran global evidenciaram haver autocorrelação espacialpositiva entre os municípios amazonenses. Isto significa que as cidades com alto (baixo) índicede pobreza são rodeadas por cidades com alto (baixo) índice.Para verificar os padrões locais, estimou-se o I de Moran local para 1991 e verificou-se apresença de dois clusters do tipo alto-alto (sul e sudoeste do Estado), um do tipo baixo-baixo(centro) e cinco do tipo baixo-alto (norte, sudoeste e centro). Já no ano de 2000, o cenário mudoue houve acentuado aumento da pobreza no Estado. Formaram-se dois grandes clusters do tipoalto-alto (sudoeste) e um do tipo baixo-baixo (centro). Surgiu nesse grupo um outiler, com baixoíndice de pobreza rodeado por pobres, o município de Tabatinga, cidade na fronteira com aColômbia, cuja cidade vizinha é Letícia.As razões da formação desses clusters têm basicamente dois motivos distintos. Os clusters dotipo baixo-baixo são formados na região onde está a capital Manaus, que irradia efeitos deriqueza em seus vizinhos, onde a proporção de pessoas com insuficiência de renda é menor. Poroutro lado, os clusters do tipo alto-alto estão nas regiões mais distantes da capital, cujo acesso àcapital é feito somente via aérea ou fluvial e, por esta última, com tempo de viagem que podechegar a quinze dias.Estimou-se modelo econométrico com intuito de explicar os determinantes da pobreza no Estado,utilizando as variáveis IDH-renda, IDH-Longevidade, IDH-Educação, Índice de Gini e adistância em relação à capital. As estimativas demonstraram que o modelo que melhor explica apobreza do Amazonas é o de Mínimos Quadrados Ordinários. Constatou-se a proporção depobres no Amazonas, tanto para o ano de 1991 quanto 2000 é significativamente determinadapelo IDH-renda, pela concentração de renda medida pelo índice de Gini e, em menor proporção,pela distância da capital Manaus, pelo IDH-educação e IDH-longevidade.Através do modelo econométrico constatou-se também que, ao contrário do sugerido pela AnáliseExploratória de Dados Espaciais (AEDE), não há correlação espacial entre os municípios, ouseja, a pobreza dos municípios do Amazonas não depende da situação de seus vizinhos, mas simde suas próprias condições. Disso, conclui-se que são necessários investimentos em infraestruturana região, sobretudo portuária, investimentos em educação, incentivo à produçãoagrícola de modo a estimular o potencial de cada região e melhorar o nível de acessibilidade dapopulação. A alternativa mais próxima de parte de solução desses problemas é a ligação deManaus ao porto de Manta no Equador, que tem como objetivo a integração regional, mas quecertamente trará efeitos positivos sobre a redução do nível de pobreza no Estado.

15Por não haver dependência espacial entre os municípios, a redução da pobreza de um, não afetaráo outro. Daí a importância da criação de mecanismos que crie essa difusão de efeitos, pois, aindaque os resultados do modelo econométrico indiquem ausência de correlação espacial, todos osmunicípios em torno da capital Manaus apresentam os mais baixos índices de pobreza. Portanto,há certa irradiação de riqueza a seus vizinhos.REFERÊNCIASANSELIN, L. Spatial Econometrics: methods and models. Boston: Kluwer Academic, 1988.ANSELIN, L. Spatial Regression. University of Illinois, Urbana-Champaign-Urbana, IL 61810,2006.ANSELIN, L.Local Indicator of Spacial Association-LISA. Geographical Analysis, 27:93-115,1995.BARRENECHEA, Martin H.Vargas. Un Estudio Espacial sobre la Pobreza Municipal enBolívia. Documento de Trabajo: UDAPE Diciembre de 2004.BARROS, R. Paes; CARVALHO, Mirela de; FRANCO, Samuel. O índice de Desenvolvimentoda Família (IDF).Texto para discussão 986. Instituto de Pesquisa Econômica Aplicada-IPEA,2003.CHIARINI, T. Análise espacial da pobreza municipal no Ceará, 1991-2000. Revista deEconomia, v. 34, n. 2 (ano 32), p. 69-93, maio/ago. 2008.C. MARTINEZ, Alberto. Microcrédito y Pobreza: Proyecto de Desarrollo de ComunidadesRurales Pobres. Tesis doutoral: Venezuela, 2004. Disponível em:http://www.eumed.net/tesis/amc/ficha.htm.DEVIVERO, Fabio A. R. Fenómenos de Difusión y Determinantes de la Pobreza en Colombia:un Análisis desde la Econometría Espacial. Cartagena de Indias, mayo de 2005.FERREIRA, F.H., LITCHFIELD, J.A. (2000). Desigualdade, pobreza e bem-estar social noBrasil – 1981/95. In: HENRIQUES, Ricardo (org.). Desigualdade e pobreza no Brasil. Rio deJaneiro: IPEA, 2000. Cap. 2, p. 49-78.FLORAX, R. J. G. M., FOLMER, H., REY, S. J. Specification searches in spatial econometrics:The relevance of Hendry’s methodology. Regional Sciense and Urban Economics. 2003, v. 33,n. 5, p. 557-579.GOMES, Gustavo Maia; VERGOLINO José Raimundo. Trinta e Cinco Anos de CrescimentoEconômico na Amazônia (1960/1995). Brasília: Instituto de Pesquisa Econômica e Aplicada -IPEA Texto para discussão n.º 533, 1997. Disponível em:

16HADDAD, Mônica A.; NEDOVIC –BUDIC, Zorica. Using Spatial Statistics to Analyze IntraurbanInequalities and Public Intervention in São Paulo, Brazil. Journal of Human DevelopmentVol. 7, No. 1, March, 2006.HOFFMAN, Rodolfo. Distribuição de renda: medidas de desigualdade e pobreza. SãoPaulo, Editora da Universidade de São Paulo, 1998.IBGE-INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Síntese de Indicadoressociais: uma análise das condições de vida da população brasileira. Estudos e Pesquisas.Informação demográfica e socioeconômica n. 23. Rio de Janeiro, 2008.LOPES, H. M.; MACEDO, P. B. R., MACHADO, A. F. Análise da pobreza com indicadoresmultidimensionais:uma aplicação para o Brasil e Minas Gerais. Revista de EconomiaContemporânea, Rio de Janeiro, v. 9, n.1, p. 125-152, jan./abr. 2005.MAHAR, Dennis J. Desenvolvimento Econômico da Amazônia: Uma Análise das PolíticasGovernamentais. Rio de Janeiro, IPEA, 1978.MATIAS, Jonathan de Souza. Convergência em renda implica em convergência em desigualdadee pobreza? Um estudo para Minas Gerais. XVI Encontro Nacional de Estudos Populacionais.Caxambu- MG – Brasil, outubro de 2008.MORENO, Rosina; VAYÁ, Esther, Técnicas econométricas para el tratamiento de datosespaciales: la econometría espacial, Universidad de Barcelona, Barcelona, 2000.NAHAS, M. I. Pedrosa; Gonçalves, Éber; Souza, Renata G.V.; Vieira, C. Martins. Sistemas deIndicadores Municipais no Brasil: experiências e metodologias. XV Encontro Nacional deEstudos Populacionais, ABEP, Caxambu, MG, setembro de 2006.OLIVEIRA, K. F. Uma análise espacial da insuficiência e da desigualdade de renda nosmunicípios sergipanos, 1991-2000. Anais III Simpósio Regional de Geoprocessamento eSensoriamento Remoto. Aracaju/SE, 25 a 27 de outubro de 2006PARAGUASSÚ, Lisandra. Mapa descreve onde vivem os mais pobres do Brasil. Jornal O Estadode S.Paulo, São Paulo, 23/11/2008.PÉREZ V, G. J. r. (2005). Dimensión espacial de la pobreza en Colombia. Banco de laRepública, Documentos de trabajo sobre economía regional, n. 54. Cartagena de Índias, 2005.PICOLOTO, V. da Conceição. Pobreza como privação de capacitações no Rio Grande do Sul.VIII Encontro de Economia da Região Sul - ANPEC SUL 2005.PINHEIRO, Maria Andrade. Distribuição Espacial da Agropecuária do Estado do Paraná: Umestudo da função de produção. Dissertação de Mestrado. Universidade Estadual de Maringá,2007.

17ROCHA, Sonia. Estimação de linhas de indigência e de pobreza: opções metodológicas noBrasil. In: Henriques, Ricardo (org). Desigualdade e pobreza no Brasil. RJ: IPEA, 2000.ROMERO, Julio A. R. Análise especial da pobreza municipal do estado de Minas Gerais –1991-2000. ANAIS do XIV Encontro Nacional de Estudos Populacionais, ABEP, Caxambu,2006.SALVADOR, F. M; GARGALLO, P. Análisis Exploratorio de Datos. 5campus.com, (2003)Estadística. Disponível em .SEPLAN/AM-Secretaria de Estado do Planejamento e Desenvolvimento Economico–.Departamento de Estudos, Pesquisas e Informações – DEPI . Produto Interno Bruto Municipal.Manaus, 2008.SILVA, Mirela de C. P. da; BARROS, R. Paes;.Pobreza Multidimensional no Brasil. XXXIVEncontro Nacional de Economia – ANPEC, 2006..SILVA, Renilson Rodrigues da. O Pólo Industrial de Manaus como modelo de desenvolvimentoavaliado sob o enfoque da Lei de Kaldor-Verdoorn. Núcleo de Altos Estudos Amazônicos.Dissertação de Mestrado. Universidade Federal do Pará, 2006.UNDP- United Nations Development Programme. Human Development Report 2003, New York:Oxford University Press, 2003.UNDP - United Nations Development Programme. Poverty Report 2000. Disponível em:http://www.undp.org/povertyreport.

18APÊNDICETabela 3: Matriz de correlação espacial para o ano de 1991POB91 IDH-E-91 IDH-L-91 IDH-R-91 GINI-91 DISTPOB91 1IDH-E-91 -0,51072 1IDH-L-91 -0,67423 0,386532 1IDH-R-91 -0,9012 0,517268 0,672558 1GINI-91 -0,06741 0,141108 0,186538 0,287994 1DIST 0,455034 -0,61185 -0,39333 -0,50929 0,059699 1Fonte: Elaboração própriaTabela 4: Matriz de correlação espacial para o ano de 2000POB00 IDH-E-00 IDH-L-00 IDH-R-00 GINI-00 DISTPOB00 1IDH-E-00 -0,6186 1IDH-L-00 -0,60673 0,595923 1IDH-R-00 -0,90497 0,680163 0,593607 1GINI-00 0,198283 -0,34961 -0,27553 -0,03761 1DIST 0,41126 -0,66581 -0,4381 -0,50484 0,326302 1Fonte: Elaboração própriaTabela 5:Teste de violações de hipótese de MQO normalidade, heterocedasticidade e multicolinearidadeHipóteses (H0) 1991 2000Critério Valor Prob Valor ProbNormalidade Jarque-Bera 0,109436 0.9467520 0,192 0,781Homocedasticidade F calculado 1,662 0,146 1,3885 0,165Multicolinearidade (Condition Number)Fonte: Elaboração própria≤30 26,0973 29,2778