As variáveis independentes da dinâmica populacional, da agropecuária e do setor madeireiro estão sistematizadas no Quadro 1, abaixo:
Quadro 1: Variáveis independentes utilizadas nas análises espaciais e econométricas.
. "/9. / /* ; * * /*<'/- ; ;:= -/ * =
. "/9. = >2 /!= ? * *
população municipal
(recenseada e estimada) habitantes POP
IBGE – (censo) e TCU
– (estimativa) 2002 E 2007
densidade populacional hab/km² DPOP Autor 2002 E 2007
* crescimento populacional POP_n1 / POP_n2 CPOP Autor 2002 E 2007 . "/9. / /* ; * * !"/-:= :" ; -:9"/
. "/9. = >2 /!= ? * *
* efetivo do rebanho bovino unidade
animal GADO IBGE – PPM 2002 E 2007
efetivo da avicultura unidade
animal AVES IBGE – PPM 2002 E 2007
PIB municipal agropecuário reais,
deflacionado PBAG IBGE – PPM 2002 E 2006
quantidade de soja produzida tonelada SJPD IBGE – PAM 2002 E 2007
* área plantada de soja municipal % área SJAP IBGE – PAM 2002 E 2007 quantidade de canaEdeEaçúcar
produzida tonelada CNPD IBGE – PAM 2002 E 2007
área plantada de canaEdeE açúcar
% área
municipal CNAP IBGE – PAM 2002 E 2007
. "/9. / /* ; * * " ' /" /"
. "/9. = >2 /!= ? * *
produção de carvão vegetal tonelada CARV IBGE – PEVS 2002 E 2007
* produção de lenha metros
cúbicos LENHA IBGE – PEVS 2002 E 2007
produção de madeira em toras cúbicos metros TORA IBGE – PEVS 2002 E 2007 produção de madeira em tora
para papel e celulose
metros
cúbicos MD2PC IBGE – PEVS 2002 E 2007
produção de madeira para fins diversos
metros
cúbicos MD2FD IBGE – PEVS 2002 E 2007
produção do setor madeireiro metros
cúbicos PRDSM IBGE – PEVS 2002 E 2007
81
Conforme o Quadro 2, abaixo, a variável dependente utilizada foi a taxa anual do desmatamento diagnosticado pelo PRODES do INPE:
Quadro 2: Variável dependente utilizada nas análises espaciais e econométricas.
"/9. = ; * * ' ' *
. "/9. = >2 /!= ? * *
taxa do desmatamento anual km² DESM INPE – PRODES 2002 E 2007
Fonte: Autor.
Definidas as variáveis, o próximo passo foi verificar a correlação das variáveis com as taxas do desmatamento e a sua distribuição na área analisada, no caso, a Amazônia Legal. Antes das duas análises, foi necessário consolidar os dados de fontes diferentes numa tabela única com indexador geográfico (geocódigo) em todos os registros, o que foi alcançado em planilha eletrônica Excel®. Essa fase requereu tempo considerável, o que já era esperado, uma vez que a “criação de uma base dados geocodificada é, em princípio, uma ação direta, demorada e onerosa” (SILVA, 2001, 59p.).
A correlação das dezesseis variáveis com as taxas de desmatamento está explicitada no capítulo 4 e análise espacial das variáveis de maior correlação é apresentada no capítulo 5.
3.6 CONSIDERAÇÕES FINAIS
A região amazônica inserida no Brasil era ocupada anteriormente ao descobrimento do Brasil por povos indígenas, que promoveram determinadas alterações ambientais, mas que conviviam em relativa harmonia com a floresta. Diferentes ciclos de povoamento provocaram a quase extinção dos primeiros povos da Amazônia. A partir das décadas de 1970 e 1980, a Amazônia Legal se constituiu em uma nova fronteira de ocupação, induzida pelo Estado com o objetivo de expandir a economia brasileira, de promover o adensamento populacional regional e a integração regional com o Sul e o Sudeste. Ao final dos anos da década de 1990, a fronteira induzida pelo Estado ganhou dinâmica própria, motivada basicamente por interesses econômicos privados agrícolas e pecuários, avançando em diferentes regiões da Amazônia (BECKER, 2005).
A trajetória da pecuária na Amazônia Legal tem se mostrado preocupante para a conservação das florestas remanescentes, uma vez que a cada ano ela se fortalece. Ao mesmo tempo, perde espaço para a agricultura no restante do país. Por sua vez, a agricultura voltada para a exportação de é mais significativa no estado de Mato Grosso, nas regiões de cerrado internos à Amazônia Legal.
O setor madeireiro é uma atividade consolidada e natural num bioma como o amazônico. No entanto, ainda carece de sustentabilidade ambiental devido à promoção de novas fronteiras de desmatamento, de sustentabilidade social por causa da concentração de
riquezas e pela continuidade dos ciclos de crescimento e colapso (CELENTANO & VERÍSSIMO, 2007) e de sustentabilidade econômica, se consideradas as externalidades e as ignoradas possibilidades econômicas de manejo florestal.
As causas do desmatamento podem ser verificadas no contexto de uma gama extensa de variáveis, como foi verificado no Capítulo 1. No entanto, a definição de um conjunto mínimo de variáveis com maior capacidade de explicação deve ser priorizada, uma vez que elas podem identificar as ações conjuntas que promovem o desmatamento na fronteira avançada e consolidada. Assim, ao se definir dezesseis variáveis relacionadas com as atividades do setor madeireiro e da agropecuária, mais variáveis populacionais, se permitiu as análises econométricas e espaciais dos capítulos 4 e 5 com um elenco mínimo de variáveis, mas constantes na grande maioria de trabalhos econométricos pretéritos, como veremos a seguir.
83
@ 7 A
Este capítulo objetiva contextualizar a utilização das variáveis independentes apresentadas no Capítulo 3 em análises econométricas, apresentar revisão bibliográfica de trabalhos econométricos voltados a explicar o desmatamento por meio de um conjunto de variáveis independentes, conceituar e aplicar um modelo econométrico baseado em regressão linear a essas variáveis independentes.
4 USO DE VARIÁVEIS INDEPENDENTES NA ECONOMETRIA
A econometria é definida como a análise quantitativa de fenômenos concretos interE relacionados usando métodos de inferência adequados (SAMUELSON , 1954). Ela visa produzir afirmações quantitativas que permitam explicar o comportamento de variáveis consideradas ou prever comportamentos ainda não observados, ou ambos (CHRIST, 1966). Os modelos econométricos representam matematicamente fenômenos (variáveis independentes) que influenciam (ou não) determinada dinâmica (variável dependente) (ANSELIN, 1988). Segundo Carvalho Jr. (2004), a realidade só pode ser entendida através de simplificações, denominadas modelos. Ao se trabalhar com modelos, há que compreender que nenhum modelo é plenamente correto ou errado, que modelar é a arte de buscar entender e explicar o essencial do fenômeno em estudo e que os modelos são a ponte entre a realidade e a teoria. Os dados explicativos utilizados nas modelagens normalmente são originados de cinco fontes:
(i) dados primários obtidos diretamente dos atoresEchave, por meio de aplicação de questionários e de fenômenos pesquisados em campo;
(ii) dados primários obtidos em Sistema de Informações Geográfica (SIG) e Processamento Digital de Informações de Sensoriamento Remoto (PDISR), (iii) dados secundários sistematizados e disponibilizados por órgãos
governamentais, como SIDRA, PRODES e IPEADATA, ou ministeriais, como o ALICEWEB e outros;
(iv) dados secundários, sistematizados ou não, oriundos de ONGs como CIMI, IMAZON, ISA etc.; e
(v) dados terciários ou secundários obtidos por meio de revisão bibliográfica.
São grandes as dificuldades de se trabalhar estatisticamente com dados oriundos de fontes diversas, pois, não havendo padronização interinstitucional de sistematização única, é necessário rearranjáElos de modo a permitir modelagens. Além da diferenciados pela abordagem espacial dos dados (país, estado, município, setor censitário) e fontes de
aquisição, os dados podem ser agrupados conforme a sua temática. Neste trabalho, eles foram sistematizados em dados populacionais, de atividades agrícolas e pecuárias e do setor madeireiro. A busca por dados oriundos da implementação de políticas de combate e prevenção do desmatamento não obteve êxito, pois não existem dados sistematizados sobre as ações governamentais, tanto no âmbito do PPCDAM quanto de outras políticas públicas de prevenção e combate ao desmatamento.