DESIGUALDADES INTRA E INTER-REGIONAIS EM SANTA ...

constitui-se num propósito bastante pragmático, o que é possível a partir da análise de uma série devariáveis que reflitam estas condições.Alguns trabalhos desta natureza têm sido feitos para alguns estados, tais como Minas Gerais(Simões, 2004), Rio Grande do Sul (Rose e Leis, 2002), São Paulo (Kageyama e Leone, 1999) ePará (Ramos, Loch e Oliveira, 2004). Neste artigo, o objeto de análise é o Estado de Santa Catarina,o qual possui 293 municípios.A motivação para este artigo vem do fato de que este Estado costuma ser reconhecido comotendo menos desigualdade social e econômica em seus municípios, o que fortalece a “mística” deque seria um estado com “pouca ou nenhuma pobreza”, ou seja, não revelaria regiões extremamenteatrasadas em detrimento de outras muito desenvolvidas. Para se ter uma idéia, das 100 cidadesbrasileiras com maiores IDH´s, 27 delas estão no Estado de Santa Catarina e dos 50 municípios dopaís que apresentam IDH mais alto, o Estado aparece com 16, mais de 1/3 do total (PNUD, 2000).Como a obtenção deste objetivo envolve a análise de um número muito grande variáveis, deâmbito social e econômico, serão utilizadas algumas técnicas estatísticas multivariadas, tais comoanálise de componentes principais, fuzzy cluster e conglomerados espaciais.Este artigo consiste de três capítulos, exclusive introdução e conclusão. O primeiro trata deuma análise descritiva Estado de Santa Catarina e o segundo capítulo faz uma revisão teórica queserve de embasamento para a parte empírica. A terceira parte mostra os resultados da análisemultivariada. Por fim, as considerações finais.1 O Estado de Santa CatarinaSanta Catarina é um estado situado no centro da Região Sul do Brasil, com 5.356.360habitantes distribuídos por 293 municípios. (IBGE, 2002). Tem como municípios mais populososJoinville, Florianópolis (capital), Blumenau, Criciúma e Chapecó (IBGE, 2002). Geograficamente,Santa Catarina é subdividido oito regiões: Grande Florianópolis, Nordeste, Vale do Itajaí, PlanaltoNorte, Planalto Serrano, Sul, Meio-oeste e Oeste, cujas características são descritas a seguir, a partirde informações da Secretaria do Planejamento do Estado de Santa Catarina e do IBGE, para os anosde 2002 e 2003, respectivamente.As regiões Nordeste e do Vale do Itajaí apresentam os principais municípios do Estado, tantoem termos econômicos quanto populacionais, tais como Joinville (maior município catarinense,tanto em população quanto em PIB) e Jaraguá do Sul, ambos com fortes indústrias do ramo eletrometal-mecânico,além de Blumenau, Brusque e Rio do Sul.A região Norte caracteriza-se como pólo florestal do Estado, com indústrias moveleiras,madeireiras, de papel e papelão. Porém, não tem nenhum município de grande expressãopopulacional e forte poderio econômico, com exceção de São Bento do Sul (é o maior parque fabrildo Estado).O Planalto Serrano tem no turismo rural uma das suas principais fontes de renda, comdestaque também para a pecuária e a indústria florestal. Destacam-se os municípios de Lages, SãoJoaquim (terceiro produtor de maçã do Estado) e Urubici (maior produtor de hortaliças do Estado).A região sul destaca-se na indústria cerâmica, extrativismo e produção de vinhos, sendoCriciúma o principal pólo (com mais de 180.000 habitantes e possuidor do sexto maior PIB doEstado), segundo dados do IBGE (2003), seguido por Tubarão e Araranguá.No Meio-Oeste predominam municípios de pequeno e médio porte, cuja atividade econômicaestá baseada na agroindústria, criação de bovinos e produção de maçã, além de indústrias do pólometal-mecânico, destacando-se Joaçaba (possui desenvolvido setor metal-mecânico, processamentode madeira e produtos alimentícios), Videira (destaque na criação e abate de aves e de suínos, vistoque nela localiza-se a Perdigão) e Caçador.Por fim, a região Oeste é caracterizada como grande produtora brasileira de grãos, aves esuínos, além do turismo que começa a se fortalecer através suas fontes hidrotermais. Os principaismunicípios são Chapecó (tida como a capital latino-americana de produção de aves e centrobrasileiro de pesquisas agropecuárias), Concórdia, Xanxerê e São Miguel do Oeste.2

1.1 A motivação da escolha por Santa CatarinaOs estudos sobre a desigualdade – seja ela em termos econômico ou sociais – geralmenterefletem uma preocupação dos pesquisadores em mensurar e identificar os seus principaisdeterminantes (e.g. Ramos (1993), Barros e Mendonça (1995)).Na opinião de Rey (1998), a motivação por detrás das pesquisas sobre este tema pode vir deelementos filosóficos e/ou humanos, que induzem a investigação da desigualdade econômica nosentido de que o acesso ao bem-estar deveria ser homogêneo a todos numa sociedade, sem razãopara ser diferente ou uma motivação de caráter funcional, onde o desenvolvimento econômicoficaria em segundo plano em detrimento do crescimento econômico.Porém, independente da origem motivacional, o objetivo final destes trabalhos é contribuirpara a suavização dos efeitos que a desigualdade gera sobre o indivíduo e em toda sociedade, sejapela privação de bens elementares para a sua sobrevivência ou pela limitação a ele imposta quanto àacessibilidade de uma série de bens e serviços existentes.No Brasil, esta questão é ainda mais grave, visto que o país é marcado por profundasdesigualdades sociais e econômicas, inclusive tendo regiões com índices comparáveis aos melhoresdo mundo (São Caetano do Sul teve o maior IDH-M do país (0,919), segundo o PNUD (2003), queé semelhante ao da Nova Zelândia.Embora muitos trabalhos sobre desigualdade no Brasil tenham como foco em análisescomparativas entre Sudeste e Nordeste (cf. Nogueira e Marinho, 2006), o Nordeste isoladamente(cf. Barreto, Jorge Neto e Tebaldi, 2001) ou no país como um todo (cf. Marinho, Lima e Benegas,2004), este artigo investiga as desigualdades intra e inter-regionais porventura existentes em SantaCatarina.O Estado de Santa Catarina possui indicadores que diferem não somente dos demais estadosda região Sul como também do restante dos Estados brasileiros. Para Maluf, Mattei e Lins (2004,p.94), essa posição seria “objeto de polêmica local – em boa medida devido à entusiasmada eexcessiva exaltação de hipotéticas especificidades catarinenses”.Por exemplo, o Estado possui uma taxa de homicídio doloso para cada 100 mil habitantes de4,67, sendo bem inferior à média brasileira, que é de 23,52, de acordo com dados da SecretariaNacional de Segurança Pública (2004). Conforme mencionado anteriormente, das 100 maiorescidades brasileiras com melhor IDH, mais de 25% do total estão em Santa Catarina, PNUD (2000).Mas nem todos os indicadores atestam que o Estado de Santa Catarina realmente tem os seusproblemas de desigualdade ou pobreza resolvidos. Segundo dados do PNUD (2000), 16,2% dosseus habitantes estão abaixo da linha da pobreza e o Coeficiente de Gini apresenta-se em 0,56, ouseja, uma parte da população não usufrui dos benefícios gerados de seu desenvolvimento, refletidosem muitos de seus índices.Ainda neste tema, Silva e Panhoca (2007) afirmam que 24,6% das crianças residentes noEstado vivem abaixo da linha da pobreza e classificadas pela ONU como indigentes. Afirmaminclusive, que “embora alguns indicadores de vulnerabilidade não mostrem valores altos nadeterminação do IDH-M, quando desmembrados em grupos de municípios, apontam desigualdadessignificativas.Portanto, além destes dados como motivação parte desta pesquisa, soma-se ainda a escassezde trabalhos que abordam as desigualdades intra e inter-regionais no Estado de Santa Catarina sob oponto de vista social e econômico.2 Revisão da Literatura2.1 Teoria3

Considerada recente – visto que, pelo menos formalmente, a Economia Regional tem seuinício na década de 50 – este novo campo de pesquisa parte da percepção de que a economia nãoopera num mundo sem dimensões geográficas (Ferreira, 2005, p.13).Além das desigualdades regionais, a Economia Regional teve como um de seus principaisfocos o estudo de localização dos agentes econômicos – provavelmente em razão dos elevadoscustos de transporte da época – e principalmente das firmas, tendo seus primeiros pesquisadoresproduzidos vários trabalhos a respeito do tema, dentre eles Von Thunen (1826), Weber (1909),Christaller (1933), Losch (1940) e Moses (1958). Tamanho interesse parece ter contribuído para adecisão locacional ter ocupado um lugar importante dentro da própria Economia Regional,constituindo-se como uma de suas disciplinas.Segundo Brandão (2003 apud Carvalho e Santos 2006), tendo por base o individualismometodológico, os trabalhos até então desenvolvidos colocavam a região numa posição parecida aoque possui a firma na teoria neoclássica. Porém, a partir da década de 50, são desenvolvidas teoriasde desenvolvimento regional levando em conta a crescente importância dos conceitos deindivisibilidade e de rendimentos crescentes para explicar as chamadas economias de aglomeração,conforme será visto a seguir.Dentro dessa nova orientação das pesquisas em Economia Regional, Rolim (1999, p.7)destaca o papel da teoria neoclássica do crescimento regional, “que considerando a remuneraçãodos fatores a partir da produtividade marginal do capital (...) e de livre difusão de tecnologia, apontapara a convergência das rendas regionais (...)”, sendo o polonês Perroux (1995) e Myrdal (1957)contribuído inicialmente para o desenvolvimento das pesquisas supracitadas, embora este últimotenha sua idéia de impossibilidade de convergência entre países ricos e pobres se mostradaequivocada através de inúmeros trabalhos posteriores.Hirschmann (1957) efeitos para frente e para trás, em seguida surgiram os DistritosIndustriais, de inicialmente desenvolvidos por Piore e Sobel (1994), sendo o exemplo maisconhecido os Distritos localizados no norte e nordeste da Itália, chamado de Terceira Itália. Outraconcepção teórica presente na evolução dos trabalhos em Economia Regional é o denominado deAmbientes Inovadores, desenvolvida pelo então Grupo de Pesquisa Europeu sobre AmbientesInovadores – tradução de Groupe de Recherche Européen sur les Milieux Innovateurs – (GREMI,1990), composto por pesquisadores como Camagni (1992) e Maillat (1995). Em seguida, MichaelStorper, junto com Allan Scott (1995), desenvolveram trabalhos junto ao chamado “Grupo daCalifórnia” a partir da associação das idéias constantes na Organização Industrial com odesenvolvimento das regiões.Motivado talvez pelas falhas das linhas de pesquisa anteriores em explicar o porquê dealgumas regiões possuírem mais atividade econômica que outras, bem como o fato das firmas maispromissoras estarem instaladas em regiões mais densamente povoadas surge uma nova área ou umanova extensão da Economia Regional no início dos anos 90 – denominada de Nova GeografiaEconômica (NEG) – preocupada em determinar como se dá o processo de distribuição da atividadeeconômica no espaço, responsável, em grande parte, pelas desigualdades regionais. A NEG tempraticamente seu início a partir do trabalho de Paul Krugman (1991), até hoje considerado seumaior expoente, além de outros importantes pesquisadores, como Fujita (1988) e Venables (1996) etem por instrumento base os modelos de equilíbrio geral.Diversas opiniões foram emitidas acerca da NEG com que tange a sua importância. ParaMarques (2002, p.2), essa teoria “é a mais recente e simultaneamente a mais controversa”. ParaOliveira (2005, p.3), afirma que “a NGE do ponto de vista teórico não traz grandes inovações àscontribuições das teorias formuladas pelos economistas urbanos e regionais. A diferença esta naforma de modelar”. De forma contraditória, o próprio Oliveira afirma mais a seguir que esta novalinha de pesquisa é importante “porque traz uma contribuição as teorias do crescimento econômicoquando considera (...) o espaço, que determina os limites geográficos para a atuação dasexternalidades e as distâncias e suas implicações nos custos de transporte (...)”Em relação a seus principais objetivos, Krugman (1991) afirma que a NEG busca entenderpor que a atividade econômica se concentra em determinadas localizações e não de maneira4

uniforme e ainda, nos locais em que esta atividade econômica se concentra, quais são os fatores quedeterminaram o surgimento da mesma.Com a finalidade de alcançar estes objetivos, a NEG considera a mobilidade dos fatores deprodução capital e trabalho, os rendimentos crescentes e custos de transporte, originando processoscumulativos que conduzem à concentração geográfica da indústria, formando uma realidade decentro (industrializado)-periferia (agrícola). Assim, as empresas industriais tendem a localizar-se naregião com maior procura para usufruir de economias de escala e minimizar os custos de transporte,afirma Marques (2002, p.5).Para Maciel (2006, p.7), os retornos crescentes fazem com que seja vantajoso concentrarespacialmente a produção de cada bem de forma a aproveitar as economias de escala. Graças aocusto de transporte, as melhores localidades seriam aquelas com bom acesso ao mercado e aos osfornecedores. Sendo assim, a melhor localização dar-se-ia nas regiões em que há aglomeraçãoprodutiva.Porém, críticas quanto à NEG não faltam, em razão do não entendimento do seu escopo, ouao sentimento de que o tema invade a campos mais restritos à Geografia. Por exemplo, para Ruiz(2003, p.12)Além das limitações empíricas, os críticos da NGE afirmam que seusmodelos possuem outras falhas: no lado da oferta não existe nenhumainterdependência estratégica entre firmas, a formação de preços lembra ocomportamento de empresas em setores competitivos, as firmas sãototalmente móveis (não possuem nenhum ativos fixos, ou sunk costs), oscustos de transporte (iceberg transport costs) são um questionável modo delidar com sistemas de transporte, e assim por diante.Segundo Marques (2000, p.3), “não obstante criticarem a abordagem excessivamentematemática de problemas já tratados pelos geógrafos de uma forma mais descritiva”, Martin eSunley (1996) enaltecem a divulgação dada à "geografia econômica" e a forma como têm sidorecuperadas teorias caídas em desgraça à custa da aplicação dos modelos de rendimentos crescentese concorrência imperfeita surgidos na organização industrial.A afirmação que parece mais adequada ao impacto e a profundidade da NEG pode serencontrada em Ottaviano e Thisse (2004, p.3), os quais afirmam que “this has drawn economicgeography and location theory from the periphery to the center of mainstream economic theory”.3 Sobre a MetodologiaEm relação às técnicas utilizadas, este artigo faz uso da análise estatística multivariada. Maisparticularmente, utilizará análise de componentes principais, fuzzy cluster e análise deconglomerados espaciais, ao invés do uso de regressões (mínimos quadrados ordinários ouquantílicas), e de variáveis tradicionais como a renda, a renda per capita, PIB industrial ou deíndices, tais como o de Gini, Theil ou Atkinson, todos utilizados quando se trata da investigação dedesigualdades, usados em outros trabalhos (e.g. Marinho, Benegas e Lima, 2002).A escolha pela análise multivariada justifica-se por referir-se “a um conjunto de métodosestatísticos que torna possível a análise simultânea de medidas múltiplas para cada indivíduo, objetoou fenômeno observado” (Corrar, Paulo e Dias Filho, 2007, p.2). Logo, esta técnica é capaz dedeterminar o desempenho conjunto das variáveis analisadas, bem como especificar a importância decada uma delas, na presença das demais.Aliás, parece não existir um consenso quanto à escolha das variáveis de análise em trabalhosacerca de desigualdades regionais. Quanto a isto, Quadrado, Heinjman e Folmer (2001, p.1)afirmam que a utilização de um único indicador nestes trabalhos tem sido muito criticado (em geralrenda per capita), justificando a multidimensionalidade adotada para investigar as desigualdades5

egionais na Hungria (para uma ampla literatura que critica a utilização de um único indicador, vejaQuadrado, Heinjman e Folmer, 2001).Outra questão importante relativa aos dados refere-se a sua dimensão e escala. Para nãoinfluenciar os resultados a serem obtidos na análise multivariada, os dados originais serãopadronizados, expressando cada observação em termos de variações inerentes ao sistema(autoescalonamento). Tecnicamente, este problema pode ser resolvido – mantendo-se a informaçãoestatística dos dados – realizando-se uma transformação sobre o conjunto original dos dados demodo que cada variável apresente média zero e variância igual a um (autoescalonamento). Estatransformação (transformação Z) expressa cada observação como o número de desvios padrões damédia.Entre as técnicas mais utilizadas em pesquisas sobre desigualdades regionais e que envolvemanálise multivariada estão a de análise de componentes principais (Kageyama e Leone, 1999;Lemos et al, 2001 e Crocco et al, 2003), análise de cluster (Nesur, 2001; Silva e Simões, 2004 eSimões et al, 2004) e conglomerados espaciais (Assunção, 2000).Como esta investigação trata-se dos 293 municípios catarinenses para um total de 14variáveis, a análise multivariada parece ser a técnica adequada para os objetivos desta proposta depesquisa, pois, para Escofier e Pagés (1992), sua utilização tem sido eficaz no tratamento degrandes conjuntos de informações. Além disso, o emprego desta técnica já é comum em estudossobre economia regional e, principalmente, naqueles que tratam de desigualdades regionais (e.g.Simões, 2005 – para uma revisão ampla da literatura).As variáveis foram obtidas junto ao Tribunal de Contas do Estado de Santa Catarina, para oano de 2000 e foram divididas em 7 blocos: Infra-estrutura: abastecimento de água ligado à redegeral, esgoto ligado à rede geral e coleta de lixo (usadas também por Quadrado, Heinjman e Folmer,2001, Amaral, Lemos e Chein, 2006; Silva, 2007); Educação: taxa de alfabetização de adultos(variável usada por Silva (2007); Inserção urbana - % de domicílios urbanos (usada também porAmaral, Lemos e Chein, 2006); Qualidade de vida: IDH-M (variável usada por Ramos, Loch eOliveira (2004); Renda – rendimentos per capita (variável usada por Chein, Lemos e Assunção(2005) e por Silva (2007)); População - nº de habitantes (variável usada por Amaral, Lemos eChein, (2006); e Silva (2007)); Finanças públicas - representada pelas variáveis: % de despesascorrentes em relação às despesas totais, receita de Fundo de Participação dos Municípios per capita,receita de Imposto sobre Serviços per capita e receita de Imposto sobre a Circulação deMercadorias e Serviços per capita (variáveis similares às usadas por Ramos, Loch e Oliveira(2004)) e Dívida de Curto Prazo para cada R$ 1,00.3.1 Análise de Componentes PrincipaisComo este artigo envolve um grande número de variáveis e faz-se necessário uma sintetizaçãodas mesmas, será empregada a análise de componentes principais - a mais antiga metodologia deanálise de dados multivariada, descrita inicialmente por Pearson (1901).Para Silva et al (2005, p.7), “a técnica dos componentes principais busca imprimir umtratamento estatístico a um numero relativamente alto de variáveis heterogêneas, que possuam,porém, um grau considerável de aspectos comuns”. Segundo Neto e Moita (p.2, 1997), aimportância de cada variável utilizada na pesquisa do ponto de vista estatístico pode ser obtida pelaanálise de componentes principais.a análise de componentes principais também pode ser usada para julgar aimportância das próprias variáveis originais escolhidas, ou seja, as variáveisoriginais com maior peso (loadings) na combinação linear dos primeiroscomponentes principais são as mais importantes do ponto de vista estatístico(...), as n-variáveis originais geram n-componentes principais que sãoobtidos em ordem decrescente de máxima variância, ou seja, a componente6

principal 1 possui mais informação estatística que a componente principal 2e assim por diante.Ainda de acordo com estes autores, “embora a informação estatística presente nas n-variáveisoriginais seja a mesma dos componentes principais, é comum obter em apenas 2 ou 3 das primeirascomponentes principais mais que 90% desta informação”. Enfim, a principal finalidade do empregode análise de componentes principais neste artigo é o de construir – com base nas componentesprincipais responsáveis pela maioria da variabilidade dos dados – um ranking de municípios doEstado de Santa Catarina3.2 Fuzzy ClusterDe acordo com Crocco et al (2003, p. 9), “a técnica de análise de cluster permite queagrupamentos de regiões possam ser formados de acordo com a similaridade de desempenho nosindicadores utilizados, tal que indivíduos com desempenho próximo aos indicadores da análisefiquem no mesmo grupo”.Porém, é comum escutar algumas expressões do tipo “talvez você consiga” ou que “aeconomia brasileira está estável”, que “o sujeito está velho para tal emprego” ou quando dadivulgação da temperatura que o “dia estará parcialmente nublado amanhã”. O que as palavras emitálico têm em comum são a imprecisão, ou seja, a noção vaga de um conceito, as quais, muitasvezes, tem mais sentido em serem ditas do que os extremos, como, por exemplo, sim ou não.Mas os métodos de classificação usuais partem do conceito de conjuntos tradicionais cujaúnica opção é a de pertencer ou não pertencer (isto é, sim ou não) e, segundo Parise e Vettorazzi(2005, p.1), “conforme os princípios básicos da classificação ou análise de agrupamentos via lógicafuzzy, um indivíduo não pertenceria mais a uma classe apenas, mas pertenceria em maior ou menorgrau a várias classes, daí o significado de classificação nebulosa, difusa, imprecisa”.As idéias iniciais da lógica fuzzy foram desenvolvidas pelo polonês Jan Lukasiewicz em 1920,estabelecendo conjuntos de graus de pertinência sendo 0, ½ e 1 e, posteriormente, um númeroinfinito de valores entre 0 e 1. Apoiada nestas idéias, a técnica a ser utilizada nesta proposta depesquisa é a de fuzzy cluster, que também é utilizada por Simões (2003) para identificar complexosindustriais espaciais para o Estado de Minas Gerais. Para uma revisão ampla da literatura acerca douso desta técnica, veja Simões (2003).Neste trabalho, isto significa que um município pode pertencer mais a um grupo demunicípios desenvolvidos que ao grupo de municípios em desenvolvimento em razão de algumasvariáveis como pode pertencer mais ao grupo de municípios em desenvolvimento que ao grupo demunicípios atrasados em virtude de outras variáveis, e não pertencer somente ao grupo demunicípios desenvolvidos, em desenvolvimento ou atrasados.3.3 Conglomerados EspaciaisA formação e à análise de conglomerados espaciais é um procedimento realizado para seobter um agrupamento de áreas considerando restrições de contigüidade, o que se denomina, emeconomia regional, de regionalização. Este procedimento difere dos tradicionais porque agrupaobjetos (neste caso municípios) homogêneos que possuem uma localização espacial. (Assunção,2002).Para Reis (2005, p.45), “o objetivo da análise de conglomerados espaciais é dividir umconjunto de n representações geográficas em c conglomerados”, desde que as representações de ummesmo conglomerado sejam similares e contíguas entre si e que as representações deconglomerados diferentes sejam dissimilares entre si.Em termos mais práticos, isto significa formar conglomerados espaciais compostosinternamente de municípios muito similares com respeito à(s) variável(eis) que se deseja analisar de7

tal forma que os municípios pertencentes a outros conglomerados difiram entre si o máximopossível.Em relação ao emprego da técnica de obtenção de conglomerados espaciais proposta nestapesquisa, esta consiste basicamente em gerar regiões da mesma forma que as divisões oficiais hojeexistentes, com base no conjunto de variáveis utilizadas. As regionalizações são feitas levando emconta critérios de homogeneidade e restrições de contigüidade, através do método baseado emárvores geradoras mínimas (Assunção et. al (2002) – para uma revisão ampla da literatura).4 ResultadosInicialmente, foi feito um estudo individual das variáveis com o emprego de estatísticadescritiva, conforme se vê na tabela 1.Tabela 1 - Análise descritiva das variáveis usada para os 293 Municípios de Santa CatarinaBloco Variáveis Val.Mínimo Val.Máximo Média D.padrãoDesp.Correntes/Desp.Totais67,62 99,700 86,58 6,1FinançasPúblicas(%)Receita de ICMS per capita 42,37 824,90 266,52 127,7Receita de FPM per capita 44,2 1.351,30 427,65 268,73Receita de ISS per capita 0,03 561,38 15,31 39,4Dívida de Curto Prazo p/cada R$ 1,000 339,7 8,61 24,1Renda PIB per capita 765,43 93.650,90 7.472,89 7.196,70Água - Rede Geral 0 96,4 49,80 23,5Infra-estrutura Esgoto - Rede Geral 0 97,6 48,70 26,3Coleta de Lixo 0 99,5 57,40 29,5Qualidade deVidaIDH-M 0,676 0,881 0,791 0,035População Nº de habitantes 1.572 429.604 18.267 41.987InserçãoUrbana% de Domicílios Urbanos 2,21 100 53,93 25,6Taxa de Alfabetização deEducaçãoAdultos77,13 99,09 90,87 3,84Índice de Educação 0,740 0,978 0,874 0,038Fonte: Elaboração própria a partir do software SPSS.Os municípios do Estado possuem, em média, um bom nível educacional (mais de 90% dosadultos são alfabetizados). Porém, ainda é praticamente um estado dividido em termos de infraestruturapública e urbanidade, com pouco mais de 50% dos domicílios sendo localizados na áreaurbana do município e percentuais bastante insatisfatórios de abastecimento de água e de esgotoligados à rede geral, além da coleta de lixo. Outra informação importante é que os municípios têmuma dívida de curto prazo superior, em média, a oito vezes o volume arrecadado.Em seguida, foram calculadas as correlações parciais entre as variáveis de maneira a observara forma de relacionamento das mesmas duas a duas, conforme quadro 1. Através desta matriz decorrelações, é possível fazer as observações abaixo. Através desta matriz de correlações, é possívelfazer as seguintes observações:1) Forte correlação positiva entre percentual de domicílios urbanos e abastecimento de água ligadoà rede geral (RG), bem como à coleta de lixo (LxC), ou seja, municípios mais “urbanizados”ofertam mais estes serviços à população, em termos percentuais. Dentre os municípios quecomprovam a correlação acima, estão Balneário Camboriú (100% de domicílios urbanos e 73,1% e85,9% de abastecimento de água e fornecimento de esgoto ligados à rede geral (REg),8

espectivamente) e Joinville (96,8% de domicílios urbanos e 94,4% e 95,9% de abastecimento deágua e fornecimento de rede de esgoto ligados à rede geral, respectivamente).2) Forte correlação positiva entre Receita de ICMS per capita e PIB per capita. Por exemplo, omunicípio de Treviso possui R$ 824,29 de Receita de ICMS per capita (RCp), que é mais de trêsvezes a média do Estado e PIB per capita (PIBp) de R$ 29.410,24 (quatro vezes a média do Estado),embora não seja um município que se destaque economicamente.3) Forte correlação negativa entre Receita do FMP per capita (RFp) e todas as variáveisrelacionadas à infra-estrutura e percentual de domicílio urbano (%DU), ou seja, municípios maisdependentes do repasse do FPM possuem menos infra-estrutura e são menos urbanizados. Emrelação a esta correlação, observa-se o município de Flor do Sertão, que possui R$ 1.317,60 dereceita do FPM per capita (2ª maior participação e quatro vezes a média do Estado) e que possuipercentuais ruins de infra-estrutura e urbanidade: apenas 35,7% e 0,2% das residências possuemabastecimento de água e fornecimento de rede de esgoto ligados à rede geral, respectivamente.Quadro 1 - Matriz de Correlações ParciaisRG REg LxC Hab Tal Ind %Du IDH PIBp DCP RFp RSp RMpREg 0,557LxC 0,802 0,762Hab 0,451 0,357 0,416Tal 0,382 0,561 0,542 0,311Ind 0,462 0,438 0,493 0,361 0,859%Du 0,760 0,631 0,823 0,404 0,367 0,354IDH 0,414 0,423 0,500 0,354 0,786 0,852 0,349PIBp 0,288 0,203 0,222 0,102 0,313 0,426 0,127 0,374-- - -- -DCP 0,073 0,026 0,021 0,007 0,165 0,136 0,030 0,150 0,055- - - - - - - - -RFp 0,567 0,539 0,651 0,362 0,388 0,302 0,596 0,294 0,072--RSp 0,257 0,195 0,243 0,348 0,240 0,284 0,213 0,256 0,097- - - - --RMp 0,159 0,203 0,255 0,132 0,104 0,128 0,307 0,107 0,676- - - - --%DC 0,034 0,072 0,039 0,017 0,182 0,170 0,011 0,182Fonte: Elaboração própria a partir do software SPSS.4.1 Análise de componentes principais-0,027 0,154-0,070- -0,034 0,190-0,123 0,585-0,106-0,036-0,143-0,055Em relação à análise de componentes principais e através da matriz de correlações, verifica-sepela tabela 2 que as duas primeiras componentes principais explicam quase 55% da variabilidadedos dados. A partir da terceira componente, o adicional de variação a cada componente adicional émuito pequeno, justificando a análise somente até duas primeiras.Tabela 2 - Total da Variância explicada para as 14 Componentes PrincipaisComponentes Variância Explicada (%)Principais Individual Acumulada1 0,386 0,3862 0,159 0,5453 0,084 0,6294 0,074 0,7035 0,065 0,7676 0,060 0,8279

7 0,048 0,8758 0,037 0,9129 0,033 0,94510 0,016 0,9611 0,013 0,97412 0,011 0,98513 0,009 0,99414 0,006 1,000Fonte: Elaboração própria a partir do software SPSS.A tabela 3 apresenta os valores de cada um dos autovetores que correspondem aoscoeficientes associados às variáveis das duas primeiras componentes principais. Quanto mais alto ovalor absoluto do coeficiente associado a uma variável, maior a importância relativa desta para ocomponente principal em questão, seja em termos positivos ou negativos.A análise da 1ª componente principal representa o IUQV, com municípios que apresentamelevado percentual de domicílios urbanos, boa dotação de infra-estrutura pública (percentuaiselevados de domicílios servidos por coleta de lixo, água e esgoto ligados a rede geral), além de umIDH-M acima de 0,800.Quanto à análise da 2ª componente principal, a configuração da mesma representa um Índicede Desenvolvimento Educacional, Econômico e de Gestão Pública, sendo estes municípioscaracterizados como tendo elevados índices econômicos (alto PIB per capita e alta participação doICMS e do FPM per capita) e de Gestão Pública (baixos endividamento e participação das despesascorrentes em relação à total), embora tenham pequenas populações, infra-estrutura abaixo da médiaestadual e baixa oferta de serviços e de urbanização.As tabelas 4 e 5 relacionam os escores dos 15 melhores e piores municípios para a 1ª e 2ªcomponentes principais, respectivamente. Para a elaboração dos mesmos, houve uma padronizaçãoe um escalonamento dos dados originais.Tabela 3 - Matriz dos Coeficientes Principais - 293 municípios de Santa CatarinaVariáveisComponentesIUQV IDEGFÁgua - Rede Geral -0,344 -0,128Esgoto - Rede Geral -0,334 -0,090Coleta de Lixo -0,381 -0,150População -0,245 -0,050Taxa de Alfabetização de Adultos -0,328 0,250índice de Educação -0,323 0,321% de Domicílios Urbanos -0,336 -0,231IDH-M -0,313 0,312PIB per capita -0,116 0,371Dívida de curto prazo para cada R$ 1,00 -0,023 -0,241FPM per capita 0,298 0,317ISS per capita -0,168 0,103ICMS per capita 0,091 0,517Despesas Correntes/Despesas Totais 0,053 -0,243Fonte: Elaboração própria a partir do software SPSS.Através da tabela 4, verifica-se que as regiões Oeste e Centro-Oeste possuem apenas trêscidades dentre os 15 melhores escores (Chapecó e São José do Cedro; Joaçaba, respectivamente). O10

extremo sul do Estado está representado apenas por duas cidades (Criciúma e Tubarão), o centro-sulpelo município de Lages e os demais municípios pertencentes ao Nordeste/Litoral do Estado.Isso significa que Santa Catarina parece ser marcado também por desigualdades regionais,sendo que apenas uma porção geográfica contempla a maioria dos municípios que apresentam osmelhores indicadores de qualidade de vida e de urbanidade.Esta afirmativa é corroborada pela análise geográfica dos 15 piores escores relacionados natabela 4, pois 11 deles pertencem a municípios localizados no Oeste catarinense, 2 ao centro-sul(Cerro Negro e Bocaina do Sul), 1 ao centro-norte (Calmon) e ao centro (Chapadão do Lageado), ouseja, a região Nordeste e o litoral do Estado não possui nenhum município dentre os 15 piores emtermos de qualidade de vida e urbanidade.Tabela 4 - 15 Melhores e Piores Escores dos Municípios na 1ª Componente PrincipalMunicípiosMelhoresPioresMunicípiosEscoresEscoresFlorianópolis 3,176 Entre Rios -2,480Joinvile 3,035 Cerro Negro -2,411Blumenau 2,617 Flor do Sertão -2,137Balneário Camboriú 2,303 Jupiá -1,829Jaraguá do Sul 2,110 Santa Terezinha do Progresso -1,714São José do Cedro 2,003 Tigrinhos -1,702Itajaí 1,921 Bocaina do Sul -1,645São Bento do Sul 1,887 Saltinho -1,645Criciúma 1,806 Ipuaçi -1,629Joaçaba 1,788 Coronel Martins -1,614Chapecó 1,787 Chapadão do Lageado -1,569Brusque 1,757 São Bernardino -1,551Lages 1,702 Paial -1,548Tubarão 1,695 Calmon -1,536Indaial 1,683 São Miguel da Boa Vista -1,511Fonte: Elaboração própria a partir do software SPSS.Analisando a tabela 5, verifica-se, surpreendentemente, que as regiões Oeste e Centro-Oestepossuem 11 dos 15 municípios com melhores escores na 2ª componente principal, ou seja, alto PIBper capita e baixo grau de endividamento, seguido pela região Central, com os municípios deIomerê, Pinheiro Preto e Vargem e região Sul (Treviso). Tal observação induz à verificação dedesigualdades intra-regionais acentuadas, e não somente inter-regionais.Tabela 5 - 15 Melhores e Piores Escores dos Municípios na 2ª Componente PrincipalMunicípiosMelhoresEscores MunicípiosPioresEscoresItá 3,848 Campo Belo do Sul -4,560Iomerê 3,275 Cerro Negro -2,087Treviso 2,920 Lebon Regis -1,97911

Presidente Castelo Branco 2,535 São José -1,968Cordilheira Alta 2,431 Anita Garibaldi -1,894Lajeado Grande 2,279 Imaruí -1,887Cunhataí 2,186 Monte Castelo -1,845Lacerdópolis 2,163 Timbó -1,829Ibiam 2,078 Paulo Lopes -1,814Pineiro Preto 2,071 Ponte Alta do Norte -1,776Ouro 2,041 Monte Carlo -1,707Vargem 1,901 Camboriú -1,635Alto Bela Vista 1,806 Lages -1,634São João do Oeste 1,739 Garopaba -1,632Bom Jesus do Oeste 1,729 Curitibanos -1,556Fonte: Elaboração própria a partir do software SPSS.Por outro lado, observa-se a partir da tabela 5 que as regiões Centro-Sul e Central possuem 9municípios dentre os 15 com melhores escores da 2ª componente principal – Índice deDesenvolvimento Econômico e de Gestão de Finanças Públicas (IDEGF), além de três municípiosda região Sudeste (Garopaba, Imaruí e Paulo Lopes), dois municípios situados próximo ao litoral(Camboriú e São José) e apenas um na região Nordeste (Timbó). Tal situação aponta paramunicípios que não estão endividados e possuem percentuais de despesas correntes em relação àsdespesas totais menores que a média estadual.A visualização das duas principais componentes principais em termos espaciais, com asclasses contemplando os diferentes níveis de escores dos municípios foi elaborada conforme asfiguras 1 e 2.Percebe-se pela figura 1 que o nordeste, o litoral e o extremo sul catarinense possuem amaioria dos municípios com os maiores IUQV´s, caracterizando uma situação de desigualdadeinter-região já antes mencionada, o que pode ser visualizado através dos dois triângulosidentificados no mapa. Outras regiões possuem municípios isolados, tais como Chapecó (regiãoOeste) e Lages (Centro-Sul).12

Figura 1. Índice de Urbanidade e Qualidade de Vida (IUQV) – Santa Catarina. Elaboraçãoprópria a partir do software Terraview 3.0Pela figura 2, é possível verificar que as regiões centro, centro-sul e centro-norte do Estadoestão entre as que possuem os municípios mais endividados e que têm mais despesas correntes emrelação às despesas totais, ou seja, possuem uma gestão das finanças públicas em um nívelinsatisfatório.Observa-se que poucos municípios estão situados na faixa superior de escores, isto é, poucosse destacam em termos principalmente de gestão das finanças públicas, com destaque para LauroMiller e Bom Jardim da Serra, no sul e São João do Itaperiú, no nordeste catarinense, além de umaparte significativa do centro-oeste, como Ita e Iomerê.13

Figura 2. Índice de Desenvolvimento Econômico e Gestão das Finanças Públicas (IDEGF). Elaboraçãoprópria a partir do software Terraview 3.04.2 Fuzzy ClusterAtravés da lógica de Fuzzy Cluster, foi estabelecido três grupos, a saber, 1, 2 e 3, cuja análisedas características individuais relacionadas aos dados originais permitiram as seguintesclassificações:a) Grupo 1: Municípios Atrasados – Possuem pequena população (geralmente até 6.000 habitantes),infra-estrutura pública crítica (água, esgoto e coleta de lixo com cobertura abaixo de 40% dosdomicílios), baixou grau de urbanidade (60% dos domicílios estão na zona rural), qualidade de vidaabaixo da média estadual, PIB per capita cerca de 60% abaixo da média do Estado, maior grau deendividamento público e de dependência do FPM per capita e gera , em média, 5 vezes menos ISSper capita que os municípios desenvolvidos no Estado. Este grupo pode ser visualizado conformefigura 3.Verifica-se que a região nordeste e praticamente todo o litoral do Estado quase não possuemmunicípios que pertençam, na maioria das suas características, ao grupo 1, confirmando, mais umavez, que tais regiões são realmente diferenciadas em praticamente todos os aspectos das demais.Percebe-se também que existiria um “corredor da pobreza” cortando o Estado (marcação no mapaem negrito), no qual haveria uma grande quantidade de municípios com forte presença dascaracterísticas relativas ao grupo 1, além de municípios na parte central da região oeste do Estado.b) Grupo 2: Municípios em Desenvolvimento – Também possuem uma pequena população (emmédia cerca de 11.000 habitantes), infra-estrutura pública atendendo parcialmente à coletividade(cerca de 65% dos domicílios tendo água e esgoto ligados à rede geral e coleta de lixo), bom graude urbanidade (cerca de 60% dos domicílios estão na zona urbana), qualidade de vida e PIB percapita pouco acima das médias estaduais, baixo nível de endividamento público, relativadependência do FPM per capita e geram, em média, 2 vezes mais ISS per capita que os municípiosatrasados. Este grupo pode ser visualizado conforme a figura 4.14

Figura 3 – Mapa do Grupo 1 – Municípios atrasados / Estado de Santa Catarina. Elaboraçãoprópria a partir do software Terraview 3.015

Figura 4 – Mapa do Grupo 2 – Municípios em desenvolvimento / Estado de Santa Catarina.Elaborado própria a partir do software Terraview 3.0Observa-se pelo mapa do Grupo 2 que em praticamente todas as regiões do Estado possuemmunicípios na condição de “em desenvolvimento”, ou seja, municípios pertencentes ao grupo 2. Épossível verificar duas regiões que merecem algum destaque: centro-oeste e sul. A primeira possuiuma grande quantidade de municípios neste grupo e a segunda, embora em menos quantidade,também alcança uma posição relevante dentro do grupo 2.c) Grupo 3: Municípios Desenvolvidos – Possuem uma população superior, em média, a 50.000habitantes, infra-estrutura pública atendendo quase integralmente a população (cerca de 90% dosdomicílios tendo água e esgoto ligados à rede geral e coleta de lixo), alto grau de urbanidade (maisde 80% dos domicílios na zona urbana), qualidade de vida bem acima da média estadual, baixonível de endividamento público (equivalente aos municípios do grupo 2), pouca dependência doFPM per capita e têm um setor de serviços operante na economia.O grupo 3 pode ser visualizado conforme a figura 5, a qual verifica-se que a região nordeste epraticamente todo o litoral do Estado possuem municípios ligados ao grupo 3, ou seja, maisdesenvolvidos. A região oeste possui apenas 4 municípios neste grupo – Chapecó, Xanxerê, SãoMiguel (estes em menor grau), e São Bernardino; a regiões centro-oeste está representada porConcórdia e a região do extremo sul catarinense com os municípios de Araranguá, Criciúma (emmenor grau), Içara, Tubarão e Laguna. Percebe-se que o anteriormente mencionado “corredor dapobreza” cortando o Estado fica ainda mais evidente neste mapa (conforme marcação no mapa emnegrito), onde praticamente não existem municípios inseridos no grupo 3.16

Figura 5 – Mapa do Grupo 3 – Municípios desenvolvidos / Estado de Santa CatarinaEste “corredor” está circundado por municípios mais relacionados ao grupo 3, o quepode evidenciar algum fenômeno de espacialidade, ou seja, uma situação em que municípiosatrasados tem dificuldade de desenvolvimento devida à influência de outros municípios tambématrasados e que estão próximos de acordo com qualquer critério de contiguidade. Pela figura 5,verifica-se ainda que a região nordeste e praticamente todo o litoral do Estado possuem municípiosligados ao grupo 3, ou seja, aos mais desenvolvidos. A região oeste possui apenas 4 municípiosneste grupo – Chapecó, Xanxerê, São Miguel, e São Bernardino; a regiões centro-oeste estárepresentada por Concórdia e a região do extremo sul catarinense com os municípios de Araranguá,Criciúma, Içara, Tubarão e Laguna.4.3 Conglomerados EspaciaisO processo de criação de regiões homogêneas a partir das duas componentes principaisutilizadas ao longo do trabalho - Índice de Desenvolvimento Econômico e de Gestão das FinançasPúblicas (IDEGF) e Índice de Urbanidade e de Qualidade de Vida (IUQV) – foram obtidas 13regiões homogêneas, conforme figura 6 a seguir.17

Figura 6. Mapa dos Conglomerados Espaciais – Estado de Santa Catarina. Elaboraçãoprópria a partir do software Terraview 3.0As regiões e suas características podem ser denominadas da seguinte forma:1 – Médio e Alto Vale do Itajaí (pequenos municípios do interior do Estado e poucodesenvolvidos); 2 – Bom Jardim da Serra e Treviso (ambos possuem dados de infra-estrutura igualà média do Estado, além de pequenas populações); 3 – Região de Campos Novos (o município sedestaca pela excelente infra-estrutura e alto percentual de domicílios urbanos); 4 – Região deJoaçaba (com população acima da média estadual, forte economicamente, além de ter índices deinfra-estrutura o dobro da média estadual e alto percentual de domicílios urbanos); 5 – Região deConcórdia (situada no meio-oeste, a região é beneficiada pela presença de Concórdia, que tem boainfra-estrutura, alto IDH-M e baixíssimo endividamento público); 6 – Litoral Sul/Extremo-Sul(região marcada pelo turismo e por municípios desenvolvidos como Criciúma e Tubarão); 7 –Região de Abelardo Luz (municípios com pouca infra-estrutura e baixo IDH-M, embora compopulações próximas à média do Estado); 8 – Região de Chapecó/Extremo-Oeste (alto níveleducacional e de qualidade de vida, baixo endividamento público); 9 – Região de Campo Belo doSul (municípios muito endividados e com baixa qualidade de vida, como por exemplo, CerroNegro, com o 2º pior IDH-M do Estado); 10 – Região Nordeste e Litoral Centro-Norte (municípioscom boas condições de infra-estrutura, baixo IDH-M, pouco endividamento, renda per capitaabaixo da média estadual); 11 – Eixo Joinville-Jaraguá do Sul-Blumenau (municípios comexcelente infra-estrutura, alta qualidade de vida, renda per capita acima da média estadual e osmelhores níveis de endividamento público); 12 – Campo Alegre (município com ótima gestão dasfinanças públicas); 13 – Eixo Caçador-Curitibanos-Lages (grande quantidade de pequenosmunicípios, os quais são influenciados pelo Eixo, e apresentam baixa infra-estrutura e renda percapita).Portanto, pelas duas componentes principais utilizadas neste trabalho para a criação de regiõeshomogêneas, com a imposição da contigüidade entre os municípios, a regionalização apresentada18

aproxima-se da divisão oficial do Estado em termos regionais, com exceção das regiões 2, 4, 12 e13.Considerações FinaisPela análise de componentes principais, duas componentes explicavam sozinhas mais de 55%da variabilidade dos dados, denominadas de Índice de Desenvolvimento Econômico e de Gestão dasFinanças Públicas (IDEGF) e Índice de Urbanidade e de Qualidade de Vida (IUQV).Percebe-se que esta homogeneidade não é tão acentuada quanto se esperava, pois municípioscom baixíssimos IDEGF e IUQV, ou seja, municípios que possuem menos infra-estrutura, baixonível educacional e alto grau de endividamento público estão relativamente próximos a municípiosque apresentam altos índices, tais como Blumenau, Jaraguá do Sul, Urussanga e São Ludgero. Alémdisso, o Estado é marcado por municípios que possuem uma boa gestão das finanças públicas e boaparticipação do ICMS na sua receita mas que não possuem boa infra-estrutura e nível educacional,mas também por municípios que possuem uma boa rede de atendimento à população em termos deágua, esgoto e coleta de lixo mas que economicamente e em termos de gestão das finanças públicasdeixam a desejar em relação a outros municípios no Estado.Quanto à análise de fuzzy cluster, foram denominados três grupos de pertencimento, a saber,os dos municípios desenvolvidos (grupo 3), em desenvolvimento (grupo 2) e os atrasados (grupo 1).Percebe-se que a região nordeste, litoral e extremo sul catarinense está predominantemente inseridono grupo 3, enquanto que a região oeste tinha municípios que mais se encaixavam no perfil dogrupo 1. Existe também uma espécie de “corredor da pobreza” no Estado, localizado na partecentral e que é cercado por município ou desenvolvidos ou em desenvolvimento, merecendo aatenção de políticas públicas específicas. O grupo 2, municípios em desenvolvimento, possuirepresentantes em todo o Estado, mas principalmente na região sul e centro-norte.Com a imposição da contigüidade entre os municípios e o uso das duas componentesprincipais, IDEGF E IUQV, a criação de regiões homogêneas com o uso do software Terraview 3.0gerou 13 regiões no Estado, as quais foram bastante próximas às oficiais, o que confirma apotencialidade das componentes e também a diversidade em Santa Catarina. Portanto, apesar doEstado possuir o 2º maior IDH do Brasil, perdendo apenas para o Distrito Federal, Santa Catarina émarcado também por desigualdades em vários aspectos tanto intra-regionais quanto inter-regionais.Referências BibliográficasASSUNÇÃO, R., LAGE, J., REIS, E. Análise de conglomerados espaciais via árvore geradoramínima. Rio de Janeiro: Revista Brasileira de Estatística, v.63, n.220, p.7-24, 2002.BARRETO, F.A.F.D.; JORGE-NETO, Paulo M.; TEBALDI, E. Desigualdade de Renda eCrescimento Econômico no Nordeste Brasileiro. Revista Econômica do Nordeste, Fortaleza,v. 32, p. 842-859, 2001.BARROS, R. P.; MENDONÇA, R. S. P de. Os determinantes da desigualdade no Brasil / Thedeterminants of the inequality in Brazil. Brasília; IPEA; jul. 1995. 63 p. ilus, tab. (Texto paraDiscussao, 377).IBGE. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Censo demográfico 2000:caracterização da população e dos domicílios: resultado do universo. Rio de Janeiro, 2001.CAMAGNI. Innovation Networks: Spatial Perspectives, Belhaven, London, New York, 1992.CARVALHO, Fernanda F.; SANTOS, Valdeci M. A SUDENE e as Novas Teorias doDesenvolvimento Regional. 2006.19

MARINHO, E. L. L.; LIMA, F. S.; BENEGAS, M.. Desigualdade de Renda e Eficiência Técnica naGeração de Bem-Estar entre os Estados Brasileiros. Revista Brasileira de Economia, Rio deJaneiro, v. 58, n. 4, 2004.MINGOTI, S.A. Análise de Dados através de Métodos de Estatística Multivariada: umaAbordagem Aplicada. Belo Horizonte: Editora UFMG, 2005.MYRDAL, G (1957). Economy theory and under-development regions. Cap. 3/4. Londres, 1957.NESUR. Caracterização e tendências da rede urbana do Brasil. Campinas: IPEA / IBGE / 2001(2v).NETO, J.M. e MOITA, G.C. Uma Introdução à Análise Exploratória de Dados Multivariados. SãoPaulo: Química Nova, 21(4), 1998.NOGUEIRA, J.; MARINHO, E.L.L. Discriminação Salarial e Desigualdade de Renda no Mercadode Trabalho das Regiões Nordeste e Sudeste do Brasil. In: Ronaldo Arraes, Klaus Hermanns.(Org.). Distribuição de Renda e Políticas de Desenvolvimento Regional no Brasil. Fortaleza:Konrad Adenauer Stiftung, 2006, v. p. 288-322OLIVEIRA, C. A.. Desigualdades Regionais no Rio Grande do Sul: Um enfoque da NovaGeografia Econômica. Redes, v. 10, n. 02, 2005.PARISE, F.J.O e VETTORAZZI, C.A. Análise de dados de produção em um pomar jovem delaranjeiras Hamlin: II. Classificação de dados espaço-temporais. Jaboticabal: RevistaBrasileira Fruticultura, vol.27, no.1, p.48-51, abril, 2005.PEARSON, K. “On lines and planes of closet fit to systems of points in space”. Oxfordshire:Philosophical Magazine, n.2, 1901.PIORE, M.; SABEL, C. The second industrial divide: possibilities for prosperit. New York: BasicBooks, 1984.PERROUX, François. O conceito de pólos de crescimento. In: J. SCHARTZMAN. Economiaregional: textos escolhidos. Belo Horizonte: Cedeplar, 1977.PNUD. Atlas do Desenvolvimento Humano no Brasil 2003. Brasília: PNUD/IPEA, Fundação JoãoPinheiro, 2003.QUADRADO, L., HEINJMAN, W.; FOLMER, H. Multidimensional Analysis of RegionalInequality: The case of Hungary. Social Indicators Research, v.56, n.1, October, 2001.RAMOS, L. A Distribuição de Rendimentos no Brasil: 1976/85. Rio de Janeiro: IPEA, 1993.RAMOS, L.S, LOCH, C.O.R. Classificação hierárquica dos Municípios Paraenses segundo o Graude Desenvolvimento sócio-econômico. Congresso Brasileiro de Cadastro TécnicoMultifinalitário, Florianópolis, 10 a 14 de outubro de 2004.REIS, E. Estatística Multivariada Aplicada. Edições Silabo: Lisboa, 1997.REY, F.G. Curso de Metodologia Científica em Psicologia. Palestras realizadas no Departamentode Psicologia Clínica do Instituto de Psicologia da Universidade de São Paulo, 1998.21

ROSES, C.F. e LEIS, R.P. Um Estudo das Condições Sócio-Econômicas de Municípios Gaúchosatravés da Análise de Cluster. Revista Administração On Line, vol.3, p.4-12, jul/ago/set,2002.SANTA CATARINA. Secretaria de Planejamento do Governo do Estado de Santa Catarina.Disponível em acesso em 28/06/2006.SILVA, G. H. Regionalização e hierarquização do desenvolvimento dos municípios do sudoesteparanaense. In: X Encontro de Economia da Região Sul, 2007, Porto Alegre. Anais XEncontro de Economia da Região Sul, 2007.SILVA, L.; SIMÕES, R. Oportunidades tecnológicas e produção científica: uma análisemicrorregional para o Brasil. Revista Latinoamericana de Estudios Urbano-Regionales,Santiago, v. 90, n. 3, 2004.SILVA, Olga Maria Panhoca da, PANHOCA, Luiz. A contribuição da vulnerabilidade nadeterminação do índice de desenvolvimento humano: estudando o estado de Santa Catarina.Ciênc. saúde coletiva , 2007, vol.12, no.5, ISSN 1413-81232.SIMÕES, R.F. Complexos industriais no espaço: uma análise de fuzzy cluster. Texto paraDiscussão nº 209. Belo Horizonte: UFMG/Cedeplar, 2003._______. Métodos de análise regional e urbana: diagnóstico aplicado ao planejamento. BeloHorizonte: UFMG/CEDEPLAR, 2005. 31 p. (Texto para discussão nº 259)SPSS. Inc. 1998. Statistical Package for Social Sciences. Versão 12.0.0TCE. Tribunal de Contas do Estado de Santa Catarina. Disponível em acessoem 21/05/2006.Terraview. Instituto Nacional de Pesquisas Espaciais. Versão 3.0 Plus.VENABLES, A.J. Equilibrium Locations of Vertically Linked Industries. International EconomicReview 37, 341-59, 1996.VON THÜNEN, J.H. 1826. The Isolated State. Oxford: Pergamon Press, 1966.WEBER, A. Theory of the location of industries. Chicago: University of Chicago, 1929/1969. 256p.22