Discussão dos resultados da análise fatorial

A rigor, as contribuições descritas pela análise fatorial é que devem sugerir a interpretação do que está falando o componente principal. Contudo, quando as variáveis foram selecionadas, já havia uma predisposição a identificar o sistema de inovação e que esse sistema seria o resultado da interação da maior parte dessas variáveis. Os diferentes recortes

utilizados, pelas diferentes bases de dados, demonstram que essa aplicação pode receber vários refinamentos no futuro. Há, talvez, três aspectos passíveis de ajuste.

O primeiro, diz respeito ao corte transversal. A matriz de correlação foi baseada nos diferentes municípios em determinado período. O que significa que a correlação resultante se dá por elementos comuns a esses municípios. É algo similar ao que foi feito por Cirillo e outros (2019) e Fagerberg e Shrolec (2008). Entretanto, isso exclui a identificação dos elementos constituintes de um sistema de inovação específico. Em outras palavras, os elementos constituintes de um município específico, que podem diferir do restante do grupo. Um exemplo disso está nos resultados em que setores agropecuários, ou intensivos em escala, aparecem com contribuições negativas. Isso não significa que tais atividades contribuam negativamente para o desenvolvimento do sistema de inovação, mas fala da sua contribuição no grupo de municípios analisados – em que sistemas de inovação constituídos em torno de tais atividades foram subestimados.

O segundo refinamento diz respeito à constituição das variáveis. No processo de construção da base de dados foi dada muita ênfase ao sistema produtivo. Em parte pelo enfoque da análise e em parte porque há mais informações disponíveis com metodologia definida, sendo mais fácil de utilizá-la em uma análise no tempo. Assim, a proxy para o sistema local de inovação resultante é de caráter mais produtivista. Nesse sentido, a análise está em linha com a abordagem clássica de sistemas de inovação que coloca a firma como ator central da ação, vide a discussão do primeiro capítulo (página 33). Mesmo que as contribuições do sistema técnico e científico tenham sido relevantes em sua composição, há muito espaço para refinar as variáveis que compõem esses sistemas, inclusive preenchendo algumas ausências importantes como as do sistema financeiro e das instituições públicas. É possível assumir que elas estão implícitas nas variáveis utilizadas, mas é inegável que a análise seria enriquecida com a sua presença.

Isso leva ao terceiro refinamento possível, que serve também como uma proposta de pesquisa. Ao invés de explorar sistemas completos de inovação, um possível avanço com esse tipo de análise seria analisar sistemas específicos de inovações, ou setoriais (MALERBA, 2009). Isso pode ser feito identificando variáveis de interesse para a análise, como foi feito no sistema científico e técnico, que focou em algumas variáveis de especial interesse. Em adição, pode ser feita a seleção de municípios específicos que tenham relação objetiva com determinado setor ou especialização. É possível fazer essa identificação com a utilização de quocientes locacionais e coeficiente de gini locacionais, como sugerido por Suzigan e outros (2003).

Ao que interessa nessa pesquisa, a proxy criada manteve seu caráter amplo e focado no sistema produtivo, assumindo que ele se relaciona à busca e construção de capacidades (NELSON; WINTER, 2005; TEECE; PISANO, 1994). O resultado é uma caracterização mais urbana, bastante sensível à escala dessa urbanização. Contudo, não foram utilizadas informações de PIB ou PIB per capta em sua constituição, com a intenção de não condicionar a sua construção ao seu resultado agregado, além de permitir uma testagem de correlação em que se espera que valores maiores representem economias mais desenvolvidas. Essa correlação é apresentada abaixo.

Figura 26 – Fator1 e log(PIB) municipal de 2003 a 2016

Fonte: Elaboração própria (2020)

A Figura 26 (acima) traz a relação entre o logaritmo do PIB e o Fator1 (componente principal) para todos os municípios e períodos de cada base. A intenção é apenas de ressaltar que há uma clara correlação entre as variáveis, mesmo o PIB não tendo sido utilizado na composição da variável sintética. Essa correlação está em 60%, 70% e 88%, respectivamente, por base de dados. O que parece adequado, pois entende-se que o sistema de inovação tenha essa relação com o produto agregado, mas ele não deve ser um simples substituto dessa métrica.

Figura 27 – Fator1 e log(PIB per capta) municipal de 2003 a 2016

Fonte: Elaboração própria (2020)

Já a mesma correlação não é encontrada quando se utiliza a medida de PIB per capita. Nesse caso, as correlações ficaram, respectivamente, em 18%, 21% e 44%. O que demonstra a importância da seleção dos municípios na Base 3, ao mesmo tempo que reforça a diferença entre essa perspectiva e uma medida tradicionalmente utilizada em crescimento econômico.

Figura 28 – Fator1 e log(PIB) de 2016 com identificação dos municípios

A Figura 28 (acima) apresenta a mesma correlação com o PIB da Figura 26, porém só referente ao ano de 2016. O objetivo é identificar os municípios que estão representados em cada um desses pontos, devolvendo um pouco de materialidade a discussão. Assim, nota-se que a Base 3 só possui três capitais: Porto Alegre, Florianópolis e Aracajú. Porto Alegre, inclusive, aparece em destaque nessa composição, com maior PIB e Fator1. Nas bases dois e três é possível identificar, com mais clareza, alguns municípios de características mais agrárias, como Lavras, Lajeado e Viçosa, que exemplificam um pouco do que foi discutido sobre as diferenças de sistemas locais.