Procedimentos da pesquisa

A variável dependente utilizada nesta pesquisa para medir a performance dos municípios foi o Índice IPARDES de Desempenho Municipal (IPDM). Tal indicador mede o desempenho da gestão e ações públicas dos 399 municípios do Estado do Paraná, considerando três dimensões: renda, emprego e agropecuária, saúde e educação. Sua elaboração baseia-se em diferentes estatísticas de natureza administrativa disponibilizadas pelas entidades públicas.

Segundo o Instituto Paranaense de Desenvolvimento Econômico e Social (IPARDES) (2013), o IPDM é um índice que “procura captar, para os municípios do Estado do Paraná, estágios de desempenho em suas dimensões mais importantes, de renda e emprego, e educação e saúde”. Estes são propostos como índices parciais. Sendo que para o primeiro, renda e emprego, são considerados dados referentes à remuneração média do trabalho, emprego formal e produção agropecuária. Para o segundo, a educação, é constituído a partir do “atendimento à educação infantil, percentual de docentes com curso superior, taxa de não abandono e média do índice de desenvolvimento da educação básica (IDEB) ”. Por fim, a saúde, é analisada a partir do “percentual de mais de seis consultas pré-natais por nascido vivo, percentual de óbitos por causas mal definidas e percentual de óbitos de menores de cinco anos por causas evitáveis por nascidos vivos”. Os índices do IPDM apresentam variações de 0 a 1, ou seja, representam condição mínima e máxima de desenvolvimento.

49.87% 50.13%

O IPARDES (2013), apresenta o nível de desempenho, sendo o indicador dividido entre os estágios de “baixo”, “médio-baixo”, “médio” e “alto” desempenho, conforme a figura 3.

Figura 3: Grupos de desempenho municipal.

Fonte: IPARDES (2013).

No Paraná, os municípios apresentam melhorias nas condições socioeconômicas entre os anos de 2012 a 2014.

Gráfico 4: Desempenho dos municípios do Paraná no IPDM dos anos de 2012 a 2014.

Fonte: Dados da pesquisa (2017).

Ao considerar a classificação estabelecida de graus de desenvolvimento, o gráfico 3 demonstra a consolidação dos estágios de médio-alto a alto desempenho, com 391 municípios apresentando índices acima de 0,6000 e ausência de municípios na condição de baixo desempenho em 2014, sendo que 14 dos municípios deixaram de ser considerado médio-baixo. Os municípios que apresentaram melhores índices foram Curitiba e Maringá.

Como variáveis independentes foram utilizados dois modelos. O primeiro modelo testou se a presença do repasse influenciaria significativamente o desenvolvimento do município e o segundo testou o montante do repasse do ICMS ecológico e o seu reflexo sobre o índice de desenvolvimento utilizado.

Como variável de controle, foi utilizado o Produto Interno Bruto (PIB). Este indicador tem por objetivo medir a atividade econômica e o nível de riqueza de uma região. Quanto mais se produz, mais se está consumindo, investindo e vendendo. O PIB per capita (ou por pessoa)

mede quanto, do total produzido, cabe a cada brasileiro se todos tivessem partes iguais. O PIB per capita não é um dado definitivo, porém, um país com maior PIB per capita tende a ter maior Índice de Desenvolvimento Humano (IDH). Com base nesta relação, é esperado que municípios com maior PIB tende a ter um IPDM maior.

A seguir, no quadro 6, são apresentados os itens que representam o que entra e o que não entra no cálculo do PIB.

Quadro 6: Itens que compõem ou não o PIB.

Entram Não entram

Bens e produtos finais Bens intermediários

Aqueles vendidos ao consumidor final, do pão ao carro Aqueles usados para produzir outros bens

Serviços Serviços não remunerados

Prestados e remunerados, do banco à doméstica O trabalho da dona de casa, por exemplo

Investimentos Bens já existentes

Os gastos que as empresas fazem para aumentar a produção no futuro

A venda de uma casa já construída ou de um carro usado, por exemplo

Gastos do governo As atividades informais e ilegais

Tudo que for gasto para atender a população, do salário dos professores à compra de armas para o Exército

Como o trabalhador sem carteira assinada e o tráfico de drogas

Fonte: Adaptado de G1, GLOBO.

O PIB pode ser calculado de 3 métodos, como observado na figura 4, sendo que os três métodos de cálculos devem chegar ao mesmo resultado.

Figura 4: Métodos do cálculo do PIB.

Fonte: G1, GLOBO.

Para realização da coleta de dados, as amostras desta pesquisa foram retiradas do website do IAP e do IPARDES. A fonte dos dados extraídos para a amostra foram o IPDM, PIB e o repasse do ICMS Ecológico, os quais estão anexados no “Anexo” do trabalho.

O período de 2012 a 2014 se deu pela padronização das tabelas que apresentavam os dados que o IAP disponibilizou sobre o repasse do ICMS Ecológico a partir do ano de 2012, além disso, a disponibilidade dos dados do IPDM apresentados no website do IPARDES se deu até o ano de 2014.

Com a técnica proposta, foi possível verificar a relação que o ICMS Ecológico tem diante do desenvolvimento dos municípios, observando que a questão que introduziu o ICMS Ecológico foi tratada ressaltando a necessidade dos municípios da compensação diante da sua impossibilidade de se desenvolverem pela sua restrição no uso de suas áreas. Para isso, a variável dependente é o IPDM, tendo como objetivo desta pesquisa verificar a relação entre o repasse do ICMS Ecológico e o desenvolvimento econômico dos municípios em um universo temporal que envolve os anos de 2012 a 2014.

Os dois modelos testados pela pesquisa utilizaram o IPDM em função da existência ou não do repasse do ICMS Ecológico e em função do seu valor absoluto. Suas formas teóricas estão descritas abaixo.

IPDMit =

α

β

u

Equação (1) Em que:

IPDM: Índice IPARDES de desempenho municipal, o qual varia de 0 a 1, utilizado com base em intervalo contínuo.

REPASSE: Repasse do ICMS Ecológico com variáveis Dummy 0 e 1, onde 0 se refere ao município que não possui o ICMS Ecológico e 1 para os que possuem.

PIB: Produto Interno Bruto dividido pela população dos municípios. IPDMit =

α

β

u

Equação (2) Em que:

IPDM: Índice IPARDES de desempenho municipal, o qual varia de 0 a 1, utilizado com base em intervalo contínuo.

ICMSECOLOGICO: ICMS Ecológico dos municípios dividido pela população.

PIB: Produto Interno Bruto dividido pela população dos municípios.

Dada a disposição dos dados (observações dos munícipios nos anos 2012 a 2014) foi selecionada a técnica de dados em painel para cumprir o objetivo proposto. O tipo de painel apresentado foi curto e fortemente balanceado. Para utilização do teste em dados em painel é necessário definir a forma de estimação dos parâmetros que pode ser com base nos efeitos fixos, aleatórios ou ordinary last square (OLS).

Segundo Fávero (2013, p.134), a variável dependente e os regressores “podem potencialmente variar simultaneamente ao longo do tempo e entre indivíduos. Enquanto a variação, ao longo do tempo ou para um dado indivíduo, é conhecida por within variance, a variação entre indivíduos é chamada de between variance”. Assim, Fávero (2013, p. 135) assegura que “é de fundamental importância a distinção entre essas variações para a definição do melhor modelo de dados em painel”.

O primeiro passo para definir a forma de estimação do painel é investigar as variações predominantes nos dados obtidos pelo trabalho. No geral as variações maiores foram entre os indivíduos, o que suscita a utilização do modelo de efeitos aleatórios. Além disto, o modelo de efeitos fixos pressupõe a variação ao longo do tempo de todas as variáveis, o que, caso não ocorra, seu efeito seria indiferente ao modelo. Como neste trabalho existe uma variável dicotômica que não possui variação temporal, o modelo de efeitos fixos foi automaticamente descartado.

Para definir entre o modelo efeitos aleatórios ou dados agregados (POLS) foi utilizado o teste lagrange multiplier (LM) de Breush-Pagan, conforme recomendação de Fávero (2015). A hipótese nula do teste LM prega que o modelo mais adequado é o POLS. Conforme os resultados obtidos para o teste neste trabalho, a hipótese nula pode ser rejeitada, indicando a utilização do efeito aleatório.

Outra análise feita foi relativa à presença de dados discrepantes (outliers). Para verificar a sua presença foi utilizada uma técnica multivariada. Foram encontradas 18 observações consideradas discrepantes com base na variável PIB. As mesmas foram excluídas apenas nos modelos que trataram com um total de 1179 observações.

Quanto à distribuição das variáveis, não foi encontrada distribuição normal, porém como as observações foram em quantidade significativa, isto não deve influenciar nos resultados obtidos pela pesquisa. Para análise estatística foi utilizado o software Stata®, versão 13.