1
Estudo estatístico pela análise de agrupamento de variáveis
agrícolas referentes ao uso do solo, emprego da mão de obra e
tamanho das unidades de produção agropecuária na 9ª, 10ª e 11ª
Regiões Administrativas do Estado de São Paulo
Antonio Assiz de Carvalho Filho1 Rafael Amaral Dias Alves1 Eduardo Cardoso de Oliveira2 Ricardo Firetti3 Luiz Ricardo Nakamura4
Ana Julia Righetto4
1 Introdução
O agronegócio é uma relação comercial envolvendo produtos agrícolas. De acordo com Callado (2006), no Brasil o termo é usado quando se refere a um tipo especial de produção agrícola, caracterizada pela agricultura em grande escala, baseada no plantio — ou na criação de rebanhos — em grandes extensões de terra. Este tipo de produção agrícola também é chamado de agribusiness ou agrobusiness.
O estudo das unidades de produção agropecuárias (UPAs) nas Regiões Administravas (R.A.) de Araçatuba, Presidente Prudente e Marília – 9ª, 10ª e 11ª R.A.’s do Estado de São Paulo, respectivamente – é importante para a avaliação do potencial do agronegócio nessas três regiões.
O estudo foi baseado no levantamento censitário das unidades de produção agropecuária do Estado de São Paulo realizado em 2007/08, mais especificamente com as variáveis relacionadas ao número de unidades de produção agropecuárias (UPA) em cada município.
Além de estatísticas descritivas, a análise de agrupamento foi utilizada para a elaboração e análise de variáveis estatísticas para orientar a elaboração de políticas públicas e/ou
1 FCT/UNESP. 2 APP&DR. 3 DDD/APTA.
2
privadas embasadas em informações relevantes para o desenvolvimento sócio-econômico da região em estudo, que totaliza 147 municípios.
De uma forma geral, pode-se aplicar novos tratamentos nos municípios em questão por meio da análise de agrupamentos, otimizando as propostas de políticas públicas e os conhecimentos das regiões do estudo.
2 Materiais e métodos
2.1 Variáveis em estudo
Neste trabalho foram utilizados dados disponibilizados no site do Instituto de Economia Agrícola (IEA), pelo projeto LUPA (Levantamento censitário das unidades de produção agrícolas do estado de São Paulo) anos de 2007 e 2008.
No projeto LUPA, foram coletadas mais de 150 variáveis, dos 147 municípios que representam a 9ª, 10ª e 11ª Região Administrativa do Estado de São Paulo. Neste trabalho, estudou-se 25 delas, por estarem relacionadas com o objetivo em questão, que, segundo a Secretaria de Agricultura e Abastecimento (2008), são definidas como estatísticas agrícolas.
As variáveis estudadas relacionadas ao uso do solo são as seguintes:
- Área cultura perene – O termo perene designa algo permanente ou que dura muitos anos. Desse modo, a cultura perene é a cultura que após ser plantada e concluir um ciclo produtivo onde não há a necessidade de replantar. Exemplo: Frutíferas em geral (laranja, acerola, tangerina etc.), café etc.
- Área cultura temporária – São aquelas sujeitas ao replantio após a colheita, possuindo o período de vida muito curto entre o plantio e a colheita. Exemplo: Soja, milho, feijão etc.
- Área complementar – Compreende as demais terras das definidas pelo LUPA, como aquelas ocupadas por benfeitorias, bem como áreas inaproveitáveis para atividades agropecuárias.
- Área de descanso – Área que não será utilizada na produção do ciclo da cultura na propriedade, sendo essa utilizada no próximo ciclo da cultura, fazendo assim uma rotação da área.
- Área de pastagem – Área com cultura (pastagem, capineira) que será designado para alimentação dos animais (bovinos, eqüinos, ovinos etc.).
3
- Área de reflorestamento – Destinada a reserva legal ou preservação permanente, onde serão plantadas espécies vegetais nativas e/ou exóticas.
- Área de vegetação de brejo e várzea – Corresponde a qualquer área de brejo, várzea ou outra forma de terra inundada ou encharcada, sem utilização agropecuária.
- Área de vegetação Natural – Qualquer área ainda intocada pelo ser humano, bem como qualquer área de elevado grau de regeneração.
Sendo as seguintes variáveis relacionadas ao emprego da mão de obra:
- Familiares do proprietário que trabalham na UPA - Número de familiares do proprietário ou produtor que trabalham na UPA, inclusive o próprio produtor.
- Trabalhadores Permanentes – Número de trabalhadores assalariados que trabalham no imóvel, definido como aquele que mantém algum vínculo empregatício.
Já para o tamanho das UPA’s, tem-se: - Área ocupada por propriedades de 0 a 1 ha; - Área ocupada por propriedades de 1 a 2 ha; - Área ocupada por propriedades de 2 a 5 ha; - Área ocupada por propriedades de 5 a 10 ha; - Área ocupada por propriedades de 10 a 20 ha; - Área ocupada por propriedades de 20 a 50 ha; - Área ocupada por propriedades de 50 a 100 ha; - Área ocupada por propriedades de 100 a 200 ha; - Área ocupada por propriedades de 200 a 500 ha; - Área ocupada por propriedades de 500 a 1000 ha; - Área ocupada por propriedades de 1000 a 2000 ha; - Área ocupada por propriedades de 2000 a 5000 ha; - Área ocupada por propriedades de 5000 a 10000 ha; - Área ocupada por propriedades acima de 10000 ha;
2.2 Regiões em estudo
Neste trabalho, foram analisadas 25 variáveis em três Regiões Administrativas: R.A. de Araçatuba, R.A. de Presidente Prudente e R.A. de Marília, que correspondem respectivamente
4
a 9ª, 10ª e 11ª R.A. do Estado de São Paulo. As três R.A. (Figura 1) totalizam 147 municípios,
ocupam uma área de 60.856km2 e possuem cerca de 2.516.522 habitantes.
Figura 1 - Regiões Administrativas de Araçatuba (9), Presidente Prudente (10) e Marília (11)
A seguir, far-se-á uma breve introdução de cada uma das R.A. em estudo, baseadas nas informações contidas no SEADE (2002).
2.2.1 Região Administrativa de Araçatuba
A 9ª R.A. do Estado de São Paulo (Figura 2), tem como sede e maior polo regional, o município de Araçatuba, que concentra cerca de ¼ da população total desta região.
5
A R.A. de Araçatuba é composta por 43 municípios, abrange 7% do território estadual, possui a 2ª menor taxa de crescimento populacional do Estado e apresenta a terceira menor
densidade demográfica (37 hab./km2, em 2002). A região em questão, passou décadas com taxas
de crescimento populacional negativo e por meados da década de 80, começou a crescer de uma forma conservadora (1,4% a.a.), reduzindo essa taxa nos últimos anos.
A economia da região é baseada principalmente na agropecuária e por atividades industriais, que possuem ampla infra-estrutura em diversos meios de transportes de carga, tais como: porto fluvial, ramal ferroviário, aeroporto regional e rodovias.
A atividade que se destaca no Estado é a preparação/confecção de produtos
provenientes do couro (18,7% do valor adicionado5 estadual). Essa atividade é a responsável
pelo emprego de 42% da população em idade ativa no setor de indústria regional, sendo assim a maior empregadora nesse setor. Em relação à dinâmica industrial regional, destacam-se a produção pecuária, que nomeia a capital da região como “capital do boi gordo”.
Dentre os municípios que compõem essa região, destaca-se Ilha Solteira que possui a maior usina hidrelétrica de São Paulo (responsável por cerca de 25% da energia produzida no Estado) e, se somarmos essa usina com as usinas de Pereira Barreto (Usina Hidrelétrica Três
Irmãos) e de Castilho (Usina Hidrelétrica Engenheiro Souza Dias), forma-se um dos maiores
complexos hidrelétricos do mundo.
2.2.2 Região Administrativa de Presidente Prudente
A 10ª R.A. do Estado de São Paulo (Figura 3), tem como sede e maior polo regional, o município de Presidente Prudente, que concentra 24% da população total desta região.
5 Valor adicionado corresponde a receita gerada por determinada economia, reduzida do custo para produzir o
6
Figura 3 – 10ª Região Administrativa do Estado de São Paulo
A R.A. de Presidente Prudente é composta por 53 municípios que abrangem 10% do território estadual, concentrando aproximadamente 2,1% da população total do Estado. A região possui a 3ª menor taxa de urbanização estadual e apresenta a segunda menor densidade
demográfica do Estado (9,6 hab./km2, em 2002).
A região manteve um ritmo de crescimento relativamente estável nos últimos anos, apesar de apresentar crescimentos negativos em alguns municípios que a compõem, entre 1991 e 2000.
A economia regional é baseada principalmente na agropecuária e na agroindústria. No ano de 2001, a região era responsável por cerca de 5,3% da produção agropecuária do Estado de São Paulo. Além dessa importante contribuição, a região responde por cerca de 18% da produção total de carne bovina no Estado, garantindo assim, a posição de maior exportadora desse produto em âmbito nacional, além de ser considerada uma das maiores bacias leiteiras do país. Pode-se adicionar ainda, a produção de cana-de-açúcar e de ovos, traçando assim, o perfil agropecuário da região.
Em relação à atividade industrial da região, pode-se citar a fabricação de alimentos e bebidas, como maior destaque no setor, tanto no valor adicionado como na geração de empregos. Considerando-se ainda a geração de empregos, a indústria de confecção de vestuário e acessório desempenha um importante papel.
7 2.2.3 Região Administrativa de Marília
A 11ª R.A. do Estado de São Paulo (Figura 4) tem como sede e maior polo regional, o município de Marília, que concentra cerca de 23% da população total desta região.
Figura 4 – 11ª Região Administrativa do Estado de São Paulo
A R.A. de Marília é composta por 51 municípios e possui a 5ª menor densidade
populacional do Estado (49 hab./km2, em 2002). Nessa região, localiza-se o menor município de
São Paulo em termos de número de habitantes, que é o município de Borá, com 809 pessoas,
distribuídas em uma área de 112km2, resultando em uma densidade demográfica de 7,2 hab./km2
apenas.
A região mantém um nível de crescimento praticamente constante, caracterizando-se há tempos pelo pequeno incremento populacional. Sua economia provém basicamente da agropecuária e da indústria de produtos primários. Em 2001, a região era responsável por cerca de 7% da produção agropecuária do Estado de São Paulo. Destas, destacam-se a produção de cana-de-açúcar, carne bovina, soja, milho e ovos.
A atividade industrial que mais se destaca nessa região é a fabricação de alimentos e bebidas, tanto no valor adicionado como na geração de empregos. Graças a esse motivo, Marília, a sede da 11ª região do Estado, foi intitulada como “capital nacional do alimento”.
8 2.3 Análise de agrupamento
Segundo Hair et al. (2005), em geral, a análise multivariada refere-se a todas as técnicas estatísticas que analisam, simultaneamente, medidas sobre cada objeto em estudo. Vários autores apontam que, quando se analisam grupos separadamente, algumas diferenças entre eles podem não ser significativas e quando analisados conjuntamente, podem revelar-se bastante significativas como uma das razões para justificar a sua opção por análises multivariadas.
Dentre os diversos métodos multivariados, existe a análise de agrupamento que, como o próprio nome sugere, reúne objetos em grupos, de tal maneira que objetos no mesmo grupo sejam os mais homogêneos possíveis com base em determinadas características mensuradas (MINGOTI, 2005).
O primeiro passo para a realização da análise de agrupamento é realizar o cálculo das distâncias entre os indivíduos em estudo. Manly (2008) apresenta diversas medidas baseadas em distância que são utilizadas na aplicação desse método estatístico. Neste trabalho, foi utilizada a distância euclidiana generalizada, dada por:
(1)
em que é a k-ésima variável, como , i é um objeto e j outro.
De um modo geral, a análise de agrupamento é dividida em dois tipos: técnicas hierárquicas, que por sua vez é subdividida em aglomerativas e divisivas; e técnicas não-hierárquicas. O método mais utilizado na literatura para agrupar, hierarquicamente, objetos similares é o método de Ward, devido ao seu forte apelo estatístico envolvido em seu processo. Após o cálculo da matriz D de distâncias, no método de Ward, deve-se calcular a matriz P de
proximidades, dada por . A medida de proximidade do grupo RS com um grupo T
qualquer é dada por Jain e Dubes (1998) como
(2)
em que , , e correspondem ao número de indivíduos dentro dos grupos T, R, S e RS,
respectivamente e , e as medidas de proximadade do grupo R com o grupo T, do grupo
S com o grupo T e do grupo R com o grupo S, respectivamente.
Após os agrupamentos serem realizados, pode-se ainda construir um dendrograma, que segundo Johnson e Wichern (2007), nada mais é do que uma representação gráfica dos resultados, logo os autores sugerem que a utilização deste gráfico auxilia na interpretação e conclusão do estudo.
9 3 Resultados e discussões
Primeiramente, por meio do cálculo da distância euclidiana, obteve-se o dendrograma das variáveis através do método hierárquico de Ward, separando em grupos os municípios das Regiões Administrativas, conforme a Figura 5.
Com o dendrograma, foram formados 3 grupos de cidades, que seguem abaixo:
GRUPO 1: Adamantina, Alto Alegre, Álvares Machado, Andradina, Araçatuba, Assis, Birigui, Caiuá, Cândido Mota, Castilho, Dracena, Euclides da Cunha, Flórida Paulista, Garça, Guaracai, Guararapes, Junqueirópolis, Marília, Martinópolis, Mirandopolis, Mirante do Paranapanema, Murutinga do Sul, Osvaldo Cruz, Pacaembu, Palmital, Paraguaçu Paulista, Parapuã, Penápolis, Presidente Bernardes, Presidente Epitácio, Presidente Prudente, Presidente Venceslau, Rancharia, Rinópolis, Rosana, Santa Cruz do Rio Pardo, Santo Anastácio, São Pedro do Turvo, Teodoro Sampaio, Tupã e Tupi Paulista.
GRUPO 2: Alfredo Marcondes, Anhumas, Auriflama, Bastos, Bernardino de Campos, Bilac, Buritama, Caiabu, Campos Novos Paulista, Coroados, Echaporã, General Salgado, Herculândia, Iacri, Ilha Solteira, Irapuru, Lavínia, Lucélia, Marabá Paulista, Maracai, Mariápolis, Monte Castelo, Ocaucu, Pereira Barreto, Pompéia, Regente Feijo, Santo Antônio do Aracangua e Taciba.
GRUPO 3: Álvaro de Carvalho, Alvinlândia, Arco Íris, Avanhandava, Barbosa, Bento de Abreu, Borá, Braúna, Brejo Alegre, Canitar, Clementina, Cruzália, Emilianópolis, Espírito Santo do Turvo, Estrela do Norte, Fernão, Flora Rica, Florínia, Gabriel Monteiro, Gália, Gastão Vidigal, Glicério, Guzolândia, Ibirarema, Iepê, Indiana, Inúbia Paulista, Ipaussu, Itapura, João Ramalho, Julio Mesquita, Lourdes, Luiziania, Lupércio, Lutécia, Nantes, Narandiba, Nova Castilho, Nova Guataporanga, Nova Independencia, Nova Luzitania, Óleo, Oriente, Oscar Bressane, Ourinhos, Ouro Verde, Panorama, Paulicéia, Pedrinhas Paulista, Piacatu, Piquerobi, Pirapozinho, Platina, Pracinha, Quatá, Queiroz, Quintana, Ribeirão do Sul, Ribeirão dos Índios, Rubiácea, Sagres, Salmourão, Salto Grande, Sandovalina, Santa Mercedes, Santo Expedito, Santópolis do Aguapeí, São João de Iracema, São João do Pau D'alho, Sud Mennucci, Suzanápolis, Tarabai, Tarumã, Timburi, Turiuba, Valparaíso, Vera Cruz e Xavantes.
10
11
De uma forma geral, para as 3 Regiões Administrativas tem-se a Tabela 1. Pode-se concluir que a maioria dos municípios das regiões (78 municípios, 53,1% do total) está no grupo 3, por apresentarem características semelhantes no que diz respeito as variáveis utilizadas no estudo. Ainda em relação ao mesmo grupo, observa-se que 60,78% dos municípios deste conglomerado são da Região Administrativa de Marília. Já no grupo 1, pode-se identificar que 48,78%, quase metade dos 41 municípios no grupo, são da 10ª Região Administrativa do Estado de São Paulo.
Tabela 1 – Distribuição dos municípios das RA’s pelos grupos R.A. Medidas Municípios
no grupo 1 Municípios no grupo 2 Municípios no grupo 3 9ª R.A. – Araçatuba Quantidade 10 9 24 % na RA 23,26% 20,93% 55,81% % no grupo 24,39% 32,14% 30,77% 10ª R.A. - Presidente Prudente Quantidade 20 10 23 % na RA 37,74% 18,87% 43,40% % no grupo 48,78% 35,71% 29,49% 11ª R.A. – Marília Quantidade 11 9 31 % na RA 21,57% 17,65% 60,78% % no grupo 26,83% 32,14% 39,74%
Para verificar que há distinção entre os agrupamentos obtidos, seguiu-se a literatura pesquisada e obteve-se a média aritmética de cada variável desse estudo em cada grupo elaborado. Em seguida, a Tabela 2 com as médias das 25 variáveis para os 3 grupos e para os municípios em geral.
Tabela 2 – Médias das variáveis por grupos
Variáveis Grupo 1 Grupo 2 Grupo 3 GERAL
NUPAAR1 cultura perene 219 81 36 95
NUPAAR cultura temporária 464 238 128 242
NUPAAR complementar 831 428 195 416
NUPAAR descanso 26 18 10 16
NUPAAR pastagem 840 441 205 427
NUPAAR reflorestamento 124 61 33 63
NUPAAR total 1004 523 264 519
NUPAAR vegetação de brejo e várzea 163 148 73 112
NUPAAR vegetação natural 260 188 89 155
NUPAOC trabalhor da família 853 413 201 423
NUPAOC trabalhor permanente 233 136 69 127
NUPAAR de 0 a 1ha 8 6 1 4
NUPAAR de1 a 2ha 13 10 5 7
12
Variáveis Grupo 1 Grupo 2 Grupo 3 GERAL
NUPAAR de 5 a 10ha 123 69 33 64 NUPAAR de 10 a 20ha 309 120 58 139 NUPAAR de 20 a 50ha 254 129 67 130 NUPAAR de 50 a 100ha 89 57 29 51 NUPAAR de 100 a 200ha 53 34 20 31 NUPAAR de 200 a 500ha 38 28 16 24 NUPAAR de 500 a 1000ha 12 10 5 7 NUPAAR de 1000 a 2000ha 6 4 2 3 NUPAAR de 2000 a 5000ha 2 2 1 1 NUPAAR de 5000 a 10000ha 0 0 0 0
NUPAAR acima de 10000ha 0 0 0 0
1NUPAAR: Número de unidades de produção agropecuária destinada à.
Uma das medidas mais notáveis da Tabela 2 está na média de número de UPA’s com área de 10 a 20 ha, onde o grupo 1 tem 309 UPA’s e os demais tem 120 e 58 UPA’s (grupo 2 e grupo 3, respectivamente). Outra variável que nos mostra certa discrepância nos grupos, é a variável relacionada ao número de UPA’s com familiares que trabalham na unidade, tendo média de 853 UPA’s no grupo 1, 413 UPA’s no grupo 2 e 201 UPA’s no grupo 3.
Nota-se também que não existe muita diferença em algumas variáveis entre os grupos. Uma variável que confirma tal afirmação é o número de UPA’s com vegetação de brejo e várzea. O grupo 1 pouco difere do grupo 2 (163 UPA’s versus 148 UPA’s) e o grupo 3 aparece com média de 73 UPA’s. Pode ser notado também nas variáveis relacionadas ao tamanho das unidades de produção, sendo todas elas com a média aritmética muito próxima, não sendo possível distinguir entre os grupos.
Outro fator, que pode ser visto na Figura 6, é o comportamento da média das variáveis em relação aos 147 municípios, se assemelhando ao grupo 2, representado por 28 municípios, sendo 9 municípios da 9ª Região Administrativa, 10 municípios da 10ª Região Administrativa e 9 municípios da 11ª Região Administrativa. Todas as médias do grupo 2 são muito próximas das médias do grupo geral.
13
Figura 6 – Gráfico de barras das variáveis pelos grupos
4 Conclusões
Nota-se neste estudo, que os municípios das 3 Regiões Administrativas estudadas agruparam-se em três grupos diferentes, de forma a demandar políticas públicas distintas, tendo como referência a utilização da análise de agrupamento.
Analisando de forma separada cada região, nota-se que se formou um grupo que engloba mais da metade dos municípios em cada Região Administrativa, exceto para a 10ª R.A. No caso, estes grandes agrupamentos correspondem, respectivamente, a aproximadamente 55%, 43% e 60% nas Regiões Administrativas de Araçatuba, Presidente Prudente e Marília.
Com a Figura 7 pode-se notar os grupos que foram formados pela análise de agrupamento. 0 200 400 600 800 1000 1200 N U PAARcult p ere n N U PAARcult tmp N U PAA Rc om p l N U PAARd es can so N U PAARp astag N U PAARre flores N U PAARto ta l N U PAARv egb rjv ar z N U PAARv egn at N U PAOCtra b famil ia N U PAOCtra b p erm N U PAARd e0a1h a N U PAARd e1a2h a N U PAARd e2a5h a N U PAARd e5a10h a N U PAA Rde 10 a20ha N U PAARd e20a50h a N U PAARd e50a100h a N U PAARd e100a200ha N U PAARd e200a500ha N U PAARd e500a1000 h a N U PAARd e1000 a2000h a N U PAARd e2000 a5000h a N U PAARd e5000 a10000h a N U PAARacim a10000h a Grupo 1 Grupo 2 Grupo 3 GERAL
14
Figura 7 – Grupos formados pela Análise de Cluster
Nota-se certa dispersão das cidades nos grupos, porém vale ressaltar que a classificação dos municípios para os grupos é feita de acordo com as suas similaridades e características, formando assim grupos homogêneos e facilitando a aplicação de políticas públicas para esses municípios.
Pode-se também observar que para as variáveis relacionadas ao tamanho das unidades de produção agropecuária, não é significativa a especificação de tamanho, sendo proposta uma junção nessas variáveis, tornando as informações mais precisas.
5 Bibliografia
[1] CALLADO, A. A. C. Agronegócio. 1. ed. São Paulo: Atlas, 2006.
[2] HAIR, J. F. J.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Análise de dados multivariados. 5. ed. Porto Alegre: Bookman, 2005. 593 p.
[3] JAIN, A. K.; DUBES, R. C. Algorithms for clustering data. New Jersey: Prentice Hall, 1988. 320 p.
[4] JOHNSON, R. A.; WICHERN, D. W. Applied multivariate statistical analysis. 6th ed. New
Jersey: Prentice Hall, 2007. 773 p.
[5] MANLY, B. F. J. Métodos estatísticos multivariados. Tradução de Sara Ianda Correa Carmona. 3. ed. Porto Alegre: Bookman, 2008. 229 p.
[6] MINGOTI, S. A.; Análise de dados através de métodos de estatística multivariada: uma abordagem aplicada. Belo Horizonte: UFMG, 2005. 297 p.
[7] SÃO PAULO (Estado). Fundação Sistema Estadual de Análise de Dados (SEADE). Região Administrativa de Araçatuba. São Paulo: [s.n.], 2002. 7 p. Disponível em: <http://www.seade.gov.br/produtos/iprs/analises/RAAracatuba.pdf>. Acesso em: 25 de março de 2010.
[8] SÃO PAULO (Estado). Fundação Sistema Estadual de Análise de Dados (SEADE). Região Administrativa de Marília. São Paulo: [s.n.], 2002. 7 p. Disponível em: <http://www.seade.gov.br/produtos/iprs/analises/RAMarília.pdf>. Acesso em: 25 de março de
15
2010.
[9] SÃO PAULO (Estado). Fundação Sistema Estadual de Análise de Dados (SEADE). Região Administrativa de Presidente Prudente. São Paulo: [s.n.], 2002. 7 p. Disponível em: <http://www.seade.gov.br/produtos/iprs/analises/RAPresPrudente.pdf>. Acesso em: 25 de março de 2010.
[10] SÃO PAULO (Estado). Secretaria de Agricultura e Abastecimento. Coordenadoria de Assistência Técnica Integral. Instituto de Economia Agrícola. Levantamento censitário de unidades de produção agrícola do Estado de São Paulo - LUPA 2007/2008. São Paulo: SAA/CATI/IEA, 2008. Disponível em: <http://www.cati.sp.gov.br/projetolupa/>. Acesso em 10 de junho de 2011.
