1 Desempenho econômico-financeiro dos Municípios do Estado de Santa Catarina
CLEONICE WITT Universidade Regional de Blumenau – FURB Universidade do Contestado - UnC CRISTIANE WORNATH WEISSMANTEL Universidade Regional de Blumenau - FURB ADRIANA KROENKE Universidade Regional de Blumenau - FURB Resumo
O objetivo do estudo é avaliar o desempenho econômico-financeiro de municípios do Estado de Santa Catarina. Para isso, foi realizado um estudo descritivo, documental, com abordagem quantitativa, que compreendeu uma população de 295 municípios catarinenses e amostra constituída de 97 municípios. Para que a amostra contemplasse municípios de diversos portes de riqueza foi realizado um cálculo de proporção de acordo com a faixa do Produto Interno Bruto (PIB). Os dados foram coletados do sítio eletrônico do Tribunal de Contas do Estado de Santa Catarina (TCE SC) ano base de 2016, que é data base que todos os municípios apresentaram informações suficientes para o cálculo dos indicadores. Para atender ao objetivo do estudo, os municípios que compõe a amostra foram classificados em quatro clusters de acordo com o Indicador de Operações de Crédito (IOC) e, posteriormente, utilizou-se o método MOORA combinado com a entropia da informação, para ranquear estes municípios de acordo com o seu desempenho econômico-financeiro. Conforme a classificação dos clusters, observou-se que no cluster 1, formado pelos municípios mais endividados, mais de 50% das receitas destes municípios são oriundas de fontes externas, chegando a 84,2% no caso de Monte Carlo, o munícipio mais endividado do grupo. Salienta-se que alguns municípios poderiam melhorar sua gestão econômico-financeira no quesito gerenciamento dos recursos, como Monte Carlo, Biguaçu, Balneário Piçarras e Içara. Os resultados evidenciaram que os municípios com maior desempenho econômico-financeiro conforme ranking dos clusters foram os municípios de Içara, Passo de Torres, Florianópolis e Bom Jesus do Oeste. A pesquisa contribui para a literatura dos temas estudados, bem como, corrobora de forma prática com os municípios, ao dispor de um ranking, que proporciona verificar o desempenho mais satisfatório e desempenhos inferiores, identificando e avaliando possíveis melhorias que possam ser aplicadas nos municípios que apresentam menor desempenho.
Palavras-chave: Desempenho, Indicadores, Ranking, Municípios.
2 1 INTRODUÇÃO
Avaliar o desempenho econômico-financeiro dos municípios tornou-se uma questão importante (Cohen, Doumpos,Neofytou,& Zopounidis, 2012; Kearney & Berman, 2018), pois os municípios diferentemente das empresas não podem decretar falência, e como o desempenho representa resultado, se o desempenho não for bom, a população pode receber serviços de baixa qualidade, gerando problemas à comunidade local e insatisfação (Cohen et al., 2012). O orçamento na área pública surge como instrumento gerencial que avalia o desempenho financeiro e age como pressão sobre os governantes, para conciliar as necessidades coletivas e a capacidade do governo em supri-las, abordando o controle, a transparência e o planejamento dos recursos disponíveis para atender as necessidades da população (Santos & Alves, 2011;
Anessi-Pessina, Barbera,Sicilia, &Steccolini, 2016).
A maneira como a gestão pública evidencia o atendimento às necessidades da população é através dos benefícios e serviços concedidos, mas para avaliar se o uso dos recursos disponíveis está sendo bem gerido para atender a demanda dos indivíduos, é preciso analisar o desempenho econômico-financeiro destes municípios (Bonacim & Araujo, 2011, Santos &
Alves, 2011, Matei, Matei & Lazar, 2016). Isso pode ser realizado comparando índices e indicadores com parâmetros técnicos de desempenho e com resultados já obtidos anteriormente (Bonacim & Araujo, 2011, Santos & Alves, 2011).
As metas da gestão pública, em determinados momentos, não parecem suficientemente claras e formais, motivando o desenvolvimento e mais frequente uso de indicadores de desempenho, que têm sido usados para medir as ações orçamentárias e financeiras, além de identificar as aplicações dos recursos e os resultados das ações governamentais (Santos &
Alves, 2011).
O uso dos indicadores de desempenho é útil para identificar uma potencial crise e problemas financeiros eminentes (Cohen et al., 2012), pois com a globalização da economia, uma crise local pode impactar no resultado de outros municípios, destarte, a atenção a indicadores de desempenho na gestão pública se torna cada vez mais relevante. Nessa busca pela eficiência das ações do poder público, se torna mais evidente no Brasil no ano de 2000, com o advento da Lei de Responsabilidade Fiscal (LRF), que visa ampliar o controle e transparência da gestão pública (Santos & Alves, 2011).
Considerando a facilidade que uma crise local pode se alastrar para os municípios contíguos, e o risco que isso pode acarretar para a economia (Santos & Alves, 2011), é pertinente se atentar as características de municípios que apresentam desempenho inferior, para alinhar esses resultados com um bom desempenho. Portanto, o objetivo do estudo é avaliar o desempenho econômico-financeiro de municípios do Estado de Santa Catarina. Para isso, pretende agrupar os municípios em clusters de acordo com o Indicador de Operações de Crédito (IOC), e posterior, ranquear estes municípios de acordo com o desempenho econômico- financeiro.
O estudo justifica-se por trazer benefícios aos municípios, através do ranking de acordo com o desempenho econômico-financeiro. Dessa forma, os municípios podem verificar o desempenho mais satisfatório e o desempenho inferior, conseguindo identificar melhorias nos municípios que apresentam problemas no desempenho.
A pesquisa contribui para a literatura, referente aos indicadores e desempenho de municípios. Também, corrobora de forma prática com os municípios, ao agrupá-los em clusters e ranqueá-los de acordo com o seu desempenho econômico-financeiro, proporcionando verificar o desempenho mais satisfatório e o desempenho inferior, para identificar melhorias nos municípios que apresentam dificuldades no desempenho.
3 Desse modo, o estudo encontra-se estruturado em seis seções, iniciando com a presente introdução, posterior segue a revisão de literatura, que dá subsídios para realização do estudo.
Na sequência, apresenta-se a descrição dos procedimentos metodológicos adotados para posterior apresentação dos procedimentos de análise dos resultados. Por fim, a última seção é destinada para as considerações finais.
2 REVISÃO DA LITERATURA
Existem algumas peculiaridades que diferenciam o setor público das instituições privadas, onde uma delas é que o setor público não pode decretar falência (Santos & Alves, 2011), outra, é que o orçamento das organizações públicas não pode passar por adequações durante sua execução, pelo menos em relação aos gastos, além de se estar gerindo recursos da população, o que leva a uma maior necessidade de planejamento e gestão eficiente (Bonacim
& Araujo, 2011).
O orçamento desempenha um papel fundamental na gestão pública, visto que, gerencia os recursos públicos, limitando os gastos para que não haja excesso e falte recursos em determinado setor devido à má gestão. Dessa forma, reforça a responsabilidade administrativa dos governantes e o cumprimento do dever ante a população (Anessi-Pessina et al., 2016).
As crises que ultimamente os municípios vem enfrentando, vêm dando cada vez mais ênfase ao equilíbrio do orçamento e redução dos gastos na gestão pública (Anessi-Pessina et al., 2016). As crises municipais têm sido foco de atenção nos setores públicos e de estudo por pesquisadores de todo o mundo, devido a situações de dificuldades vivenciadas pelos municípios que passaram por esta situação (Zafra-Gómez, López-Hernández, & Hernández- Bastida, 2009). Assim, os indicadores utilizados na medição e avaliação do desempenho nos órgãos públicos recebem um maior destaque por parte dos governantes e população (Thiel &
Leeuw, 2002). O monitoramento do desempenho ampara a gestão pública no que tange ao esclarecimento dos propósitos e metas, bem como controle, planejamento, e comunicação dos custos e resultados da gestão dos recursos (Matei et al., 2016; Mayne & Zapico-Goñi, 2017).
Porém, o desempenho não é uma realidade pronta para ser medida, mas sim uma realidade socialmente construída na mente das pessoas (Mayne & Zapico-Goni, 2017). Dessa forma, existe uma dificuldade ao se comparar dados que muitas vezes não podem ser confrontados (Zafra-Gómez et al., 2009). A gestão pública usa como parâmetros de comparação índices e indicadores com valores pré-estabelecidos por especialistas ou confronta com os resultados já obtidos anteriormente (Bonacim & Araujo, 2011, Santos & Alves, 2011).
É importante destacar que os serviços públicos precisam ser executados com qualidade, visto que, não basta cumprir o orçamento, é preciso que as pessoas estejam satisfeitas com a gestão e os serviços desempenhados pelo município (Matei et al., 2016). O setor público vem passando por profunda reestruturação nos últimos anos, em busca da melhoria os serviços prestados e redução dos problemas fiscais enfrentados. O monitoramento do desempenho auxilia nesse processo (Mayne & Zapico-Goñi, 2017), bem como os indicadores, que são usados como instrumento para amparar na tomada de decisões da gestão púbica (Zafra-Gómez et al., 2009).
No Brasil, isso é mais evidente no ano de 2000, com o advento da Lei de Responsabilidade Fiscal (LRF). A Lei da Responsabilidade Fiscal atua direcionando a correta utilização dos recursos públicos e prestação de contas do uso destes recursos à sociedade de forma transparente, também atua prevenindo riscos e corrigindo desvios que possam impactar nas contas públicas (Scarpin, Silva, & Vargas, 2012). Segundo Santos e Alves (2011), no Brasil, mesmo com a inserção da Lei da Responsabilidade Fiscal (LRF), verificou-se que muitos
4 municípios ainda dependem de repasses constitucionais. Com isso, evidencia-se a necessidade de uma maior atenção aos indicadores de desempenho econômico-financeiro, para que os municípios possam ter uma gestão mais eficiente dos recursos. É importante que os municípios sejam independentes e não dependam exclusivamente de repasses constitucionais.
De acordo com Santos e Alves (2011) e Gomes, Alfinito e Albuquerque (2013), a doutrina da Nova Administração Pública tem como determinante desagregar maiores estruturas para melhorar o desempenho da gestão pública. Contudo, Gomes et al. (2013) em sua pesquisa acerca dos municípios brasileiros, evidenciaram que os municípios pequenos apresentam maior dificuldade de melhorar o seu desempenho financeiro, devido à dificuldade em aumentar e arrecadar impostos e reduzir os gastos, bem como, uma maior dependência financeira de fontes externas de dinheiro, o que leva a crer também, que os municípios muito pequenos não são sustentáveis em termos econômicos. Entretanto, as cidades maiores são mais propensas a gerenciar melhor suas receitas e despesas, e quanto maior o município, maior é a facilidade com que ele aumente sua arrecadação e reduza as suas despesas.
O Brasil atualmente é um caso particularmente relevante, pois é um país com grande número de municípios de pequena escala, além disso, com estruturas administrativas frágeis que dependem muito de transferências de governos superiores para sua subsistência, (Gomes et al., 2013). De acordo com Pinho (2019), se o projeto do Pacto Federativo for aprovado, uma em cada cinco cidades brasileiras podem ser extintas. O maior impacto seria para o Rio Grande do Sul e Santa Catarina, com redução de 46% e 35%, respectivamente, com o propósito de que municípios com até 5.000 habitantes voltem a administração para as cidades vizinhas.
Esses municípios menores acabam por ter uma capacidade desigual de arrecadar dinheiro na forma de impostos, logo, é interessante o gerenciamento do desempenho, para o fornecimento de evidências empíricas que possam auxiliar no processo de gestão pública e na busca por determinantes de desempenho satisfatórios (Gomes et al., 2013). Para análise e evolução dos processos é importante acompanhar e mensurar o desempenho, e isso pode ser alcançado através dos indicadores (Santos & Alves, 2011).
O ranking é uma ferramenta comumente usada para avaliar o desempenho, utilizando- se de indicadores para análise (Jewett, Zhu, Huang, Feuer & Gangnon, 2019). Encontra-se na literatura uma gama de referências acerca dos indicadores de desempenho, que buscam evidenciar as particularidades da ação pública. Cabe a cada governo municipal utilizar os que lhe forem mais convenientes para o planejamento, controle e gestão de suas ações governamentais. Em função de sua ampla utilização e aceitação evidencia-se os seguintes indicadores: Indicador de créditos adicionais (ICA), Indicador da realização da receita orçamentária (IRRO), Indicador da execução orçamentária corrente (IEOC), Indicador da realização da receita tributária (IRRT), Indicador de investimentos (II), Indicador de Retorno do Imposto sobre Circulação de Mercadorias e Serviços e sobre Prestações de Serviço de Transporte Interestadual e Intermunicipal e de Comunicação (IRICM), Indicador de operações de crédito (IOC), Indicador da amortização da dívida fundada (IADF) (Santos & Alves, 2011).
Na tabela 1 apresenta-se os indicadores mencionados por Santos e Alves (2011) com suas respectivas fórmulas.
Tabela 1 Indicadores de desempenho
Nome do indicador Fórmula
Indicador de créditos adicionais (ICA) ICA=CAA/OI
5 Onde CAA = Créditos adicionais anuais; OI = Orçamento
inicial.
Indicador da realização da receita orçamentária (IRRO)
IRRO=RTR/RTO
Onde RTR = Receita total realizada; RTO = Receita total orçada
Indicador da execução orçamentária corrente (IEOC)
IEOC=RCR/DCR
Onde RCR = Receita corrente realizada; DCR = Despesa corrente realizada
Indicador da realização da receita tributária (IRRT)
IRRT=RTR/ PIBl
Onde RTR = Receitas tributárias realizadas; PIBl = Produto interno bruto local
Indicador de investimentos (II) II=IEx/ PIBl
Onde IEx = Investimentos executados; PIBl = Produto interno bruto local
Indicador de Retorno do Imposto sobre Circulação de Mercadorias e Serviços e sobre Prestações de Serviço de Transporte
Interestadual e Intermunicipal e de Comunicação (IRICM)
IRICM=RRICMS/Pop
Onde RRICMS = Receita realizada com ICMS; Pop = População
Indicador de operações de crédito (IOC) IOC=OCR/DCR
Onde OCR = Operações de crédito realizadas; DCR = Despesas de capital realizadas
Indicador da amortização da dívida fundada (IADF)
IADF=ADF/RCR
Onde ADF = Amortizações da dívida fundada; RCR = Receitas correntes realizadas
Fonte: Santos & Alves (2011).
Conforme se observa, o Indicador de créditos adicionais (ICA) mede os resultados das alterações orçamentárias anuais em relação ao orçamento inicial, considerando os créditos adicionais; o Indicador da realização da receita orçamentária (IRRO) mede o grau de acerto do planejamento e da estimação das receitas; o Indicador da execução orçamentária corrente (IEOC) traz como resultado a capacidade do órgão público em conservar as suas despesas correntes através das devidas receitas correntes para o mesmo período; o Indicador da realização da receita tributária (IRRT) trata de medir a pressão tributária exercida sobre a riqueza econômica dos estados; o Indicador de investimentos (II) visa identificar a capacidade de realizar os investimentos com relação ao Produto Interno Bruto local; o Indicador de Retorno do Imposto sobre Circulação de Mercadorias e Serviços e sobre Prestações de Serviço de Transporte Interestadual e Intermunicipal e de Comunicação (IRICM) traz como resultado o retorno desse tributo aos municípios em relação a sua população; o Indicador de operações de crédito (IOC) visa evidenciar o montante das operações de crédito na composição das despesas de capital; e o Indicador da amortização da dívida fundada (IADF) traz como resultado a amortizações da dívida fundada em relação às receitas correntes realizadas (Santos & Alves, 2011).
3 METODOLOGIA DA PESQUISA
6 A presente pesquisa possui natureza descritiva, documental, com abordagem quantitativa dos dados. Para resumir, descrever e compreender os dados foi aplicada a estatística descritiva utilizando o software SPSS. A população deste estudo compreendeu os 295 municípios catarinenses sendo considerada uma amostra de 97 municípios.
Para que a amostra contemplasse municípios de diversos portes de riqueza foram considerados 8 grupos por faixas do Produto Interno Bruto (PIB) de 2016, conforme pode ser observado na Tabela 2.
Tabela 2 Grupos conforme PIB
Grupos PIB em R$ Nº de
municípios
Nº de municípios participantes da amostra
1 Acima de 10.000.000.000 4 2
2 De 5.000.000.000 até 10.000.000.000 7 3
3 De 1.000.000.000 até 4.999.999.999 32 10
4 De 500.000.000 até 999.999.999 48 16
5 De 200.000.000 até 499.999.999 61 19
6 De 100.000.000 até 199.999.999 67 22
7 De 50.000.000 até 99.999.999 54 18
8 Abaixo de 50.000.000 22 7
Total 295 97
Fonte: IBGE (2016).
Para definir a quantidade de municípios de cada faixa de riqueza foi realizado o cálculo de proporção, ou seja, na primeira faixa, dividiu-se 4 por 295 e multiplicou-se por 100. Isto resultou em 1,35% e esse percentual foi aplicado sobre o total da amostra (97) encontrando assim 2 que representa a quantidade de municípios no primeiro estrato da amostra. Esse cálculo foi realizado nos demais estratos para encontrar a quantidade de municípios que representa a amostra em cada faixa. Posteriormente, para encontrar quais municípios seriam pesquisados identificou-se quais fazem parte de cada um dos intervalos de PIB atribuindo a eles um número.
Esse número foi utilizado para identificar cada município em um sorteio realizado através do sorteador online, garantindo assim, a aleatoriedade na escolha dos componentes da amostra.
Para o desenvolvimento da pesquisa foram utilizados os indicadores apresentados na Tabela 1, conforme revisão de literatura. Os dados necessários para o cálculo desses indicadores foram coletados do sítio eletrônico do Tribunal de Contas do Estado de Santa Catarina (TCE SC) ano base 2016, sendo que foi utilizado o ano de 2016 porque é nessa data base que todos os municípios apresentavam informações suficientes para o cálculo dos indicadores.
Após a coleta dos dados, aplicou-se a técnica de entropia da informação para determinação de pesos aos indicadores utilizados. Esse procedimento foi realizado para, com base no indicador mais relevante, obter grupos e dar continuidade a análise. A entropia da informação é dada por 𝑒(𝑑𝑖) = −𝛼 ∑ 𝑑𝐷𝑖𝑘
𝑖𝐿𝑛 (𝑑𝑖𝑘
𝐷𝑖)
𝑚𝑘=1 .
O Indicador de operações de crédito (IOC) apresentou o maior peso entre os critérios analisados, conforme se destaca na Tabela 3.
7 Tabela 3 Entropia da informação
Indicador Entropia Peso indicador
ICA 0,956 0,1268
IRRO 0,994 0,1151
IOEC 0,976 0,1237
IRRT 0,966 0,1261
II 0,940 0,1272
IRICMS 0,973 0,1251
IOC 0,785 0,1286
IADF 0,918 0,1274
Fonte: Dados da pesquisa
De posse desta informação, os 97 municípios definidos anteriormente, foram divididos em 4 clusters de acordo com o indicador IOC que apresentou o maior peso e, segundo El- Santawy (2014), o peso de um critério reflete sua importância. O segundo motivo da sua escolha foi que se trata de um indicador que mensura endividamento, o que proporcionou a formação dos clusters pelo nível de endividamento.
A análise de cluster consiste na classificação de objetos semelhantes em grupos, de acordo com certos parâmetros, variações e covariâncias que possuem interpretação geométrica (Vermunt & Magidson, 2002; Hair, Black, Babin, Anderson & Tatham, 2014). Para o exame do desempenho econômico-financeiro, dos municípios catarinenses em cada um dos clusters, optou-se pelo método de análise Grounded Theory, combinando assim, método quantitativo com método qualitativo, mostrando que os métodos qualitativos não permitem apenas a compreensão dos aspectos discursivos dos sujeitos objetos do estudo, mas oferecem um apoio importante quando se trata de entender dados quantitativos (Merlino & Martínez, 2006).
Na Tabela 4 apresenta-se a quantidade de municípios que contempla os grupos formados utilizando-se o método hierárquico.
Tabela 4 Clusters por método
Cluster Método Hierárquico
1 4
2 12
3 22
4 59
TOTAL 97
Fonte: Dados da pesquisa
O cluster 1 foi formado por 4 municípios, sendo considerados os mais endividados entre os participantes, possuindo IOC mínimo de 0,4098 e máximo de 0,5164. Doze municípios agruparam-se no cluster 2 tendo IOC mínimo de 0,2715 e máximo de 0,3620. O terceiro cluster conta com 22 municípios que possuem IOC mínimo de 0,0842 e máximo 0,2279 e finalmente
8 o último cluster, o menos endividado, que contou com 59 municípios tendo IOC mínimo zero e máximo de 0,0600. Na Tabela 5 apresenta-se os municípios com seus respectivos grupos aos quais pertencem nesta investigação.
Tabela 5 Municípios por clusters
Método
Município
Método
Município
Hierárquico Hierárquico
Cluster Cluster
1 Içara 4 São Bento do Sul
1 Balneário Piçarras 4 Pomerode
1 Biguaçu 4 São Bernardino
1 Monte Carlo 4 Santa Terezinha do Progresso
2 Passo de Torres 4 Capivari de Baixo
2 Ipumirim 4 Anitápolis
2 Passos Maia 4 Correia Pinto
2 Pinhalzinho 4 Videira
2 São Martinho 4 Nova Itaberaba
2 Mafra 4 Tubarão
2 Braço do Norte 4 Romelândia
2 Fraiburgo 4 Braço do Trombudo
2 Garuva 4 Belmonte
2 Santo Amaro Imperatriz 4 Ascurra
2 São João do Sul 4 Presidente Nereu
2 Dona Emma 4 Urubici
3 Florianópolis 4 Saltinho
3 Corupá 4 Iraceminha
3 São Domingos 4 Frei Rogério
3 Joinville 4 Tangará
3 Porto União 4 José Boiteux
3 São José 4 Serra Alta
3 Presidente Getúlio 4 Maravilha
3 Concórdia 4 Trombudo Central
3 Mondaí 4 Araquari
3 Palmeira 4 Atalanta
3 Faxinal dos Guedes 4 Campo Belo do Sul
3 Jaguaruna 4 Nova Veneza
3 Rio dos Cedros 4 Petrolândia
9
3 Massaranduba 4 Timbé do Sul
3 Pinheiro Preto 4 Major Vieira
3 Brusque 4 Guarujá do Sul
3 Rio do Campo 4 Ouro
3 Dionísio Cerqueira 4 Major Gercino
3 Itapiranga 4 Aurora
3 Ipira 4 Coronel Freitas
3 Treze de Maio 4 Princesa
3 Botuverá 4 São José do Cerrito
4 Bom Jesus do Oeste 4 Ponte Serrada
4 Piratuba 4 Bela Vista do Toldo
4 Mirim Doce 4 Chapadão Lageado
4 Governador Celso Ramos 4 São Bonifácio
4 Alto Bela Vista 4 Meleiro
4 Vargem Bonita 4 Lontras
4 Barra Bonita 4 Galvão
4 Jupiá 4 Praia Grande
4 União do Oeste 4 Águas de Chapecó
4 Xavantina 4 São Lourenço Oeste
4 Chapecó
Fonte: Dados da pesquisa.
Observa-se que os clusters 3 e 4, que concentraram a maior parte dos municípios, representam também os menos endividados do ponto de vista da contratação de operações de crédito, o que retrata uma situação positiva na realidade do país. Embora a situação dos municípios que compõem os clusters 1 e 2 não necessariamente seja negativa, dependendo apenas para que fim foram utilizadas as operações de crédito contratadas, se para em investimentos em benefício direto para a população ou para quitar compromissos assumidos e não pagos no tempo certo.
Para avaliar o desempenho econômico-financeiro desses municípios realizou-se a aplicação do método multicritério Multi-Objective Optimization by Ratio Analysis (MOORA) utilizado para formar o ranking de desempenho dos municípios em cada cluster, que segundo Brauers e Zavadskas (2006), a aplicação desse método inicia com uma matriz de respostas de diferentes objetivos representados por (𝑋𝑖𝑗) onde 𝑋𝑖𝑗 representa a resposta j para a alternativa do objetivo i, onde i=1,2,..., n são os objetivos e j= 1,2,..., n são as alternativas para o modelo.
Os autores complementam que o modelo é elaborado conforme apresentado abaixo:
𝑁𝑋𝑖𝑗 = 𝑋𝑖𝑗
√∑𝑚𝑗 = 1𝑋2𝑖𝑗
10 Para otimização do modelo, as respostas foram adicionadas com o objetivo de maximização, ou seja, quanto maior melhor, utilizando-se:
𝑁𝑌𝑗 = ∑𝑖=1 𝑖=𝑔𝑁𝑋𝑖𝑗
Onde i = 1,2,..., g para os objetivos de maximização, i= g+1, g+2,..., n
𝑁𝑌𝑗 representa a avaliação normalizada da alternativa j que respondam todos os objetivos. Nessa fórmula todas as alternativas apresentam-se em um intervalo entre 0 e 1, onde no término do processo, um ranking ordinal de 𝑁𝑌𝑗 apresenta a performance final.
Para validação do método, Brauers (2013), aplicou a ferramenta MOORA em seis problemas de tomada de decisão nos quais já haviam sido aplicados outros métodos e os resultados encontrados corroboram com as respostas encontradas por Brauers e Zavadskas (2006), comprovando assim, sua flexibilidade, aplicabilidade e potencialidade. Neste estudo o método MOORA foi combinado ao peso dos indicadores obtidos pela Entropia da informação, que na teoria da informação é uma medida da incerteza em uma variável aleatória, se adaptando ao problema de alocar pesos no Multiple-criteria decision-making (MCMD) pela quantificação do valor esperado das informações contidas em um critério (El-Santawy, 2014).
4 RESULTADOS E DISCUSSÕES
Os resultados desta pesquisa que busca avaliar o ranking dos municípios de Santa Catarina, estão baseados nos indicadores propostos para os 97 municípios pesquisados, sendo classificados em 4 clusters formados a partir do indicador IOC que apresentou o maior peso de acordo com a entropia da informação. De posse dos dados procedeu-se inicialmente com a análise descritiva dos indicadores utilizados considerando o período de investigação que se refere ao ano de 2016. Estes resultados podem ser observados na Tabela 6.
Tabela 6 Resultados da estatística descritiva dos municípios por cluster
Geral N Mínimo Máximo Média Desvio Padrão
ICA 97 0,0000 0,4562 0,1563 0,0971
IRRO 97 0,0099 1,3310 0,9416 0,2036
IOEC 97 0,9665 10,0749 1,2118 0,9121
IRRT 97 0,0029 0,0592 0,0107 0,0073
II 97 0,0010 0,0528 0,0137 0,0106
IRICMS 97 256,78 3246,83 922,46 487,75
IOC 97 0,0000 0,5164 0,0937 0,1343
IADF 97 0,0006 0,2873 0,0781 0,0671
Cluster 1 N Mínimo Máximo Média Desvio Padrão
ICA 4 0,1176 0,1819 0,1590 0,0285
IRRO 4 0,7672 1,1126 0,9504 0,1429
IOEC 4 1,1149 10,0749 3,3852 4,4601
IRRT 4 0,0108 0,0318 0,0175 0,0098
11
II 4 0,0089 0,0137 0,0121 0,0022
IRICMS 4 349,98 564,95 457,49 88,340
IOC 4 0,4098 0,5164 0,4688 0,0502
IADF 4 0,0031 0,0959 0,0323 0,0428
Cluster 2 N Mínimo Máximo Média Desvio Padrão
ICA 12 0,0000 0,3513 0,1439 0,1049
IRRO 12 0,0099 1,2293 0,8460 0,3460
IOEC 12 1,0536 1,2396 1,1025 0,0518
IRRT 12 0,0052 0,0265 0,0111 0,0056
II 12 0,0016 0,0340 0,0148 0,0115
IRICMS 12 320,01 1617,15 743,45 397,86
IOC 12 0,2715 0,3620 0,3103 0,0333
IADF 12 0,0006 0,2406 0,0910 0,0951
Cluster 3 N Mínimo Máximo Média Desvio Padrão
ICA 22 0,0000 0,4562 0,1493 0,1289
IRRO 22 0,5163 1,2896 0,9264 0,2239
IOEC 22 0,9665 1,3162 1,1358 0,0840
IRRT 22 0,0048 0,0392 0,0119 0,0073
II 22 0,0014 0,0271 0,0129 0,0079
IRICMS 22 274,52 1638,19 794,34 383,12
IOC 22 0,0842 0,2279 0,1470 0,0445
IADF 22 0,0013 0,2515 0,0591 0,0697
Cluster 4 N Mínimo Máximo Média Desvio Padrão
ICA 59 0,0000 0,4026 0,1613 0,0859
IRRO 59 0,6114 1,3310 0,9661 0,1552
IOEC 59 1,0305 1,4803 1,1149 0,0708
IRRT 59 0,0029 0,0592 0,0097 0,0072
II 59 0,0010 0,0528 0,0138 0,0117
IRICMS 59 256,78 3246,83 1038,17 518,48
IOC 59 0,0000 0,0650 0,0044 0,0145
IADF 59 0,0012 0,2873 0,0856 0,0592
Fonte: Dados da pesquisa.
A estatística descritiva evidencia que quando considerados todos os municípios os indicadores IOC e o IRICMS apresentam desvios padrão altos, indicando uma grande variabilidade de valores desses indicadores entre os municípios. Como o IOC retrata, em partes, o endividamento dos entes, se pode afirmar que o nível de endividamento varia entre esses municípios. Quanto ao indicador IRICMS já era esperado um alto desvio padrão, visto que em
12 sua gênese sofre influência do porte do município, e a amostra é formada por município de diferentes portes.
Observa-se que os clusters foram formados agrupando-se os municípios mais endividados – cluster 1 – até os menos endividados – cluster 4, salientando que esse endividamento é considerado apenas com as operações de crédito realizadas no exercício de 2016, ou seja, é um endividamento relativo, considerado para formação dos clusters e para que junto com os outros indicadores aferir o desempenho econômico-financeiro do ente. Ao analisar o desvio padrão de todos os indicadores em cada um dos clusters nota-se a homogeneidade do grupo, pois em todas as medidas o desvio padrão é baixo, o que comprova a validade de se elaborar um ranking de desempenho econômico-financeiro, nesses clusters, a partir desses indicadores.
É possível observar na Figura 1 a formação dos clusters através do dendograma, que é um diagrama bidimensional onde cada ramo representa um elemento, enquanto a raiz representa o agrupamento de todos os elementos (Albuquerque, 2006).
Figura 1. Dendograma do agrupamento pelo método hierárquico Fonte: dados da pesquisa
4 3
2 1
13 Para cumprir o objetivo proposto pelo estudo que consiste em avaliar o desempenho econômico-financeiro de municípios do Estado de Santa Catarina, elaborou-se um ranking por cluster, a partir do desempenho econômico-financeiro dos municípios com a aplicação do método MOORA, e resultou em escores que foram organizados do maior para o menor em cada um dos 4 grupos. Este procedimento possibilitou visualizar qual município teve o melhor desempenho econômico-financeiro em 2016, segundo as variáveis consideradas e comparadas com seus pares, conforme Tabela 7. Salienta-se que em caso de empate, ou seja, mesmo escore para dois ou mais municípios, utilizou-se como critério de desempate o IOC, destacando-se como melhor posicionado o município com menor IOC.
Tabela 7 Ranking de desempenho econômico-financeiro por cluster
Cluster 1 MOORA Ranking Cluster 4 MOORA Ranking
Içara 0,1513 1º Bom Jesus do Oeste 0,0208 1º
Balneário Piçarras 0,1012 2º Piratuba 0,0200 2º
Biguaçu 0,0547 3º Mirim Doce 0,0134 3º
Monte Carlo 0,0361 4º Governador Celso Ramos 0,0280 4º
Alto Bela Vista 0,0117 5º
Cluster 2 MOORA Ranking Vargem Bonita 0,0117 6º
Passo de Torres 0,0612 1º Barra Bonita 0,0100 7º
Ipumirim 0,0417 2º Jupiá 0,0097 8º
Passos Maia 0,0334 3º União do Oeste 0,0093 9º
Pinhalzinho 0,0275 4º Xavantina 0,0093 10º
São Martinho 0,0258 5º Chapecó 0,0082 11º
Mafra 0,0246 6º São Bento do Sul 0,0077 12º
Braço do Norte 0,0146 7º Pomerode 0,0072 13º
Fraiburgo 0,0094 8º São Bernardino 0,0072 14º
Garuva 0,0081 9º Santa Terezinha do Progresso 0,0070 15º Sto Amaro Imperatriz 0,0063 10º Capivari de Baixo 0,0067 16º
São João do Sul 0,0059 11º Anitápolis 0,0064 17º
Dona Emma 0,0052 12º Correia Pinto 0,0062 18º
Videira 0,0062 19º
Cluster 3 MOORA Ranking Nova Itaberaba 0,0060 20º
Florianópolis 0,0440 1º Tubarão 0,0060 21º
Corupá 0,0301 2º Romelândia 0,0059 22º
São Domingos 0,0271 3º Braço do Trombudo 0,0058 23º
Joinville 0,0178 4º Belmonte 0,0058 24º
Porto União 0,0163 5º Ascurra 0,0054 25º
São José 0,0161 6º Presidente Nereu 0,0053 26º
14
Presidente Getúlio 0,0160 7º Urubici 0,0052 27º
Concórdia 0,0154 8º Saltinho 0,0052 28º
Mondaí 0,0148 9º Iraceminha 0,0048 29º
Palmeira 0,0148 10º Frei Rogério 0,0047 30º
Faxinal dos Guedes 0,0136 11º Tangará 0,0046 31º
Jaguaruna 0,0128 12º José Boiteux 0,0045 32º
Rio dos Cedros 0,0111 13º Serra Alta 0,0043 33º
Massaranduba 0,0111 14º Maravilha 0,0043 34º
Pinheiro Preto 0,0081 15º Trombudo Central 0,0043 35º
Brusque 0,0049 16º Araquari 0,0043 36º
Rio do Campo 0,0047 17º Atalanta 0,0042 37º
Dionísio Cerqueira 0,0044 18º Campo Belo do Sul 0,0042 38º
Itapiranga 0,0041 19º Nova Veneza 0,0040 39º
Ipira 0,0037 20º Petrolândia 0,0039 40º
Treze de Maio 0,0025 21º Timbé do Sul 0,0038 41º
Botuverá 0,0021 22º Major Vieira 0,0038 42º
Guarujá do Sul 0,0035 43º
Ouro 0,0033 44º
Major Gercino 0,0033 45º
Aurora 0,0030 46º
Coronel Freitas 0,0020 47º
Princesa 0,0020 48º
São José do Cerrito 0,0017 49º
Ponte Serrada 0,0010 50º
Bela Vista do Toldo 0,0005 51º Chapadão do Lageado 0,0005 52º
São Bonifácio 0,0005 53º
Meleiro 0,0004 54º
Lontras 0,0004 55º
Galvão 0,0003 56º
Praia Grande 0,0002 57º
Águas de Chapecó 0,0002 58º São Lourenço do Oeste 0,0001 59º Fonte: dados da pesquisa.
Como já destacado, o cluster 1 é aquele que mais realizou operações de crédito no período de 2016 e foi o menor grupo, formado apenas por 4 municípios, de portes econômicos diferentes. Nessa classe, Içara obteve o melhor desempenho econômico-financeiro seguida de
15 Balneário Piçarras, Biguaçu e Monte Carlo. O maior IOC foi de 0,5164 e o menor de 0,4098 de Içara e Balneário Piçarras, respectivamente. Segundo o IBGE (2016) nesses municípios mais de 50% de suas receitas são oriundas de fontes externas, chegando a 84,2% no caso de Monte Carlo, o que confirma a realidade da maioria dos municípios do país. Outro dado preocupante desse grupo diz respeito ao atendimento das regras contidas na lei de responsabilidade fiscal, especificamente no gasto com pessoal, pois 25% extrapolou o limite de gasto com pessoal no ano estudado.
O cluster 2 é formado por 12 municípios, também de diferentes portes econômicos, e o município que apresentou o melhor desempenho econômico-financeiro foi Passo de Torres e o último colocado do grupo foi Dona Emma. Pode-se notar que o IOC não foi determinante para uma performance ruim, pois Passo de Torres obteve também o maior IOC do cluster, situação que também foi encontrada no cluster 1. Já o menor IOC foi atingido por Pinhalzinho que ficou em 4º lugar no ranking. Quanto ao atendimento aos limites de gasto com pessoal, nesse cluster, apenas 8% dos participantes extrapolaram o limite imposto pela lei, porém 33% deles estão no limite considerado como prudencial, ou seja, atingiram 95% do percentual permitido.
A capital do Estado obteve o melhor desempenho econômico-financeiro no cluster 3 que contém 22 municípios de portes econômicos diversos, sendo que Botuverá apresentou a pior performance. Botuverá é um pequeno município da região do Vale do Itajaí que, segundo o IBGE (2016), 90,5% das suas receitas são oriundas de fontes externas, ou seja, não possui condições econômicas de sobrevivência sem a assistência da União e do Estado. O maior IOC do cluster foi obtido pelo município Faxinal dos Guedes, 11º do ranking, e o menor ficou com Rio do Campo com a 17ª colocação. Quatorze por cento dos municípios desse grupo extrapolaram o limite de gasto com pessoal, evidenciando assim a má administração de pessoal ou a baixa arrecadação ocorrida no período.
O cluster 4 foi o maior, formado por 59 municípios, liderado por Bom Jesus do Oeste no quesito melhor desempenho econômico-financeiro, representando também o grupo que menos realizou ou não realizou operações de crédito no período. São Lourenço do Oeste ficou com a última colocação, não apresentando desempenho econômico-financeiro elevado no período. Em relação ao IOC o município de Governador Celso Ramos obteve o maior e ficou classificado em 4º no desempenho econômico-financeiro e o menor IOC foi zero obtido pelos municípios de Chapecó, Tubarão, Araquari, São Bento do Sul, Videira, Pomerode, Maravilha, Piratuba, Nova Veneza, Capivari de Baixo, Tangará, Vargem Bonita, São José do Cerrito, Urubici, Coronel Freitas, Meleiro, Trombudo Central, Ponte Serrada, Campo Belo do Sul, Major Vieira, Xavantina, Petrolândia, Ascurra, Bela Vista do Toldo, Ouro, Guarujá do Sul, Aurora, Braço do Trombudo, Serra Alta, Timbé do Sul, Nova Itaberaba, José Boiteux, Iraceminha, Atalanta, Romelândia, Chapadão do Lageado, Saltinho, Princesa, Frei Rogério, Anitápolis, São Bernardino, União do Oeste, São Bonifácio, Presidente Nereu, Jupiá, Mirim Doce, Belmonte, Alto Bela Vista, Santa Terezinha do Progresso, Major Gercino, Bom Jesus do Oeste, Barra Bonita e Correia Pinto. Em relação ao limite de gasto com pessoal 8% dos municípios desse grupo excederam o limite de gasto com pessoal, desrespeitando o preceito da lei de responsabilidade fiscal, lei esta que estabelece várias regras de conduta para os administradores públicos voltadas para a responsabilidade na gestão fiscal.
Os indicadores de desempenho orçamentário-financeiro foram estudados no âmbito da lei de responsabilidade fiscal por Santos e Alves (2011) cujo objetivo foi avaliar o impacto que a lei de responsabilidade fiscal teve sobre o desempenho financeiro e na execução orçamentária.
Esses autores concluíram que ao reduzir a discricionariedade dos orçamentos, essa lei foi determinante para promover os melhores desempenhos na gestão financeira dos municípios
16 gaúchos, em geral. Scarpin, Silva e Vargas (2012) também investigaram o desempenho econômico-financeiro dos municípios catarinenses frente ao emprego dos recursos nas atividades a que se propõe. Os autores inferiram que existe uma adequada utilização dos recursos públicos, por parte dos gestores, no atendimento às necessidades estabelecidas nos planos plurianuais, que direcionam as ações do plano de gestão dos municípios e estabelecem a forma como serão utilizados os recursos. No que tange à utilização dos indicadores econômico-financeiros como base para obter ranking de desempenho de municípios não foram encontrados outros estudos. Desta forma observa-se a importância de estudar e aplicar índices de desempenho orçamentário-financeiro seja na esfera da lei de responsabilidade fiscal ou como comparação entre os municípios, para visualizar a eficiência dessa lei e possíveis deficiências na gestão econômico-financeira.
5 CONSIDERAÇÕES FINAIS
O objetivo do estudo consistiu em avaliar o desempenho econômico-financeiro de municípios de Santa Catarina. Esta avaliação foi realizada através de indicadores e por meio de ranking, utilizando-se de pesquisa descritiva, documental, com abordagem quantitativa dos dados. Foram investigados 97 municípios do Estado de Santa Catarina que foram divididos em 4 clusters o que possibilitou a identificação de grupos com características homogêneas.
O critério utilizado para a formação dos clusters foi o indicador de operações de crédito, o que evidencia que o ente necessitou de recursos no período indicando assim um possível endividamento, sendo assim o cluster 1 foi composto por apenas 4 municípios e representou o grupo que mais realizou operações de crédito no período analisado. Nesse grupo, Içara ficou em primeiro lugar no ranking de melhor desempenho econômico-financeiro, seguida por Balneário Piçarras, Biguaçu e Monte Carlo. Vinte e dois municípios de diversos portes econômicos compuseram o cluster 2, que foi liderado por Passo de Torres uma pequena cidade do extremo sul catarinense, e em último lugar do grupo o município de Dona Emma uma pequena localidade, que de acordo com o IBGE (2016) 86,7% de suas receitas são oriundas do governo federal e estadual. Com 12 municípios foi formado o cluster 3 onde a capital do Estado – Florianópolis - figurou e se classificou em primeiro lugar, sendo seguida por Corupá e São Domingos, segundo e terceiro lugar, respectivamente, enquanto o pior desempenho do grupo coube ao pequeno município de Botuverá que oferece para sua população apenas 41,5% de rede de esgotamento sanitário adequado (IBGE, 2016).
O cluster mais numeroso foi o quarto, formado por 59 municípios, onde Bom Jesus do Oeste obteve o melhor desempenho econômico-financeiro no período. São Lourenço do Oeste foi o município com o menor desempenho econômico-financeiro desse grupo, atestando assim, que em comparação com seus pares, na gestão econômico-financeira pode melhorar no quesito gerenciamento dos recursos.
Ao analisar algumas características dos clusters observou-se que 25% dos municípios do cluster 1 excederam o limite de gasto com pessoal fixado pela lei de responsabilidade fiscal, sendo que no cluster 2 foi 8%, no cluster 3 14% dos municípios e no cluster 4 8% transgrediram essa norma legal, o que pode indicar uma má gestão de pessoal, queda na arrecadação no período ou a ocorrência de ambos os casos. Destaca-se que o ano estudado (2016) se justifica porque dos períodos mais recentes esse foi o que apresentou todos os dados necessários para a análise, porém nesse ano o país estava enfrentando uma crise econômica que afetou todos os entes da federação e, em especial, os municípios que são os que mais sofrem nesses momentos porque são os que atendem diretamente as demandas da população.
17 Conclui-se, que a avaliação do desempenho econômico-financeiro dos municípios permitiu inferir que mesmo em condições de igualdade de endividamento relativo, os municípios possuem desempenho diferenciado, expressando também, possíveis falhas na gestão dos recursos. Contudo, foi possível avaliar o desempenho econômico-financeiro dos municípios de Santa Catarina, por meio do ranking obtido, e perceber que o maior município do estado, Joinville, não apresentou posição privilegiada em seu grupo de análise. Isso remete a futuras pesquisas sobre o tema.
A contribuição desse estudo reside em fomentar a pesquisa na área pública, pois há pouca pesquisa empírica nesse campo, sendo que a maioria das publicações dessa área se concentra em estudos teóricos, conceituais e acadêmicos (Hartley, Alford, Knies, & Douglas;
2017).
O estudo tem como limitação o período estudado de apenas um ano, e não compreender todos os municípios do Estado catarinense. Como sugestão para estudos futuros recomenda-se abranger um período de tempo maior e também a agregação de outros indicadores.
REFERÊNCIAS
Albuquerque, M. A. de et al. (2006). Estabilidade em análise de agrupamento: estudo de caso em ciência florestal. Revista Árvore, 30(2), 257-265.
Anessi-Pessina, E., Barbera, C., Sicilia, M. & Steccolini, I. (2016). Public sector budgeting: a European review of accounting and public management journals. Accounting, Auditing &
Accountability Journal, 29(3) 491-519.
Bonacim, C. A. G., & Araujo, A. M. P. de. (2011). Avaliação de desempenho econômico- financeiro dos serviços de saúde: os reflexos das políticas operacionais no setor hospitalar.
Ciência & Saúde Coletiva, 16, 1055-1069.
Brauers, W. K. M, & Zavadskas, E. K. (2006). The MOORA method and its application to privatization in a transition economy. Control and Cybernetics, 35(2), 445-469.
Brauers, W. K. M. (2013). Multi-objective seaport planning by MOORA decision making.
Annals of Operations Research, 206, 39-58.
Cohen, S, Doumpos, M., Neofytou, E., & Zopounidis, C. (2012). Assessing financial distress where bankruptcy is not an option: An alternative approach for local municipalities.
European Journal of Operational Research, 218, 270–279.
El-Santawy, M. F. (2014). An IEW-MOORA Approach for Solving MCDM Problems. Computing & Information Systems, 18(1), 21-23.
Gomes, R.C., Alfinito, S. & Albuquerque, P. H. M. (2013). Analyzing local government financial performance: evidence from Brazilian municipalities 2005-2008. Revista de Administração Contemporânea, 17(6), 704-719.
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2014). Multivariate data analysis, 7(3), 207-219. Upper Saddle River, NJ: Prentice hall.
18 Hartley, J., Alford, J., Knies, E., & Douglas, S. (2017). Towards an empirical research agenda
for public value theory. Public Management Review, 19(5), 670-685.
Instituto Brasileiro de Geografia e Estatística (IBGE). (2016). Recuperado em 05 de janeiro, 2020, de https://cidades.ibge.gov.br.
Jewett, P. I., Zhu, L., Huang, B., Feuer, E. J., & Gangnon, R. E. (2019). Optimal Bayesian point estimates and credible intervals for ranking with application to county health indices.
Statistical Methods in Medical Research, 28(9), 2876–2891.
Kearney, R.C, & Berman, E.M. (2018). Public Sector Performance: Management, Motivation, and Measurement. 1. ed. (1999). Routledge, Taylor & Francis Group, An ASPA Classics Volume, New York, EUA.
Matei, L., Matei A., & Lazar, C. G. (2016). Public Service Performance and Good Administration. Socio Economic Empirical Evaluations. Procedia Economics and Finance, 39, 335-338.
Mayne, J., Zapico-Goñi, E. (2017). Monitoring Performance in the Public Sector: Future Directions from International Experience. 1. ed. (1997). Published by Routledge, Taylor
& Francis Group, Comparative Policy Evaluation Series, New York, EUA.
Merlino, A., & Martínez-Moné, A. (2006). Integración de métodos cualitativos y cuantitativos:
Construyendo e interpretando clusters a partir de la teoría fundamentada y el análisis del discurso. In: Forum Qualitative Sozialforschung/Forum: Qualitative Social Research.
Pinho, M. (2019, julho 17). Sul e Sudeste concentram cidades pequenas que podem ser extintas.
R7. Recuperado em 23 de janeiro, 2020, de https://noticias.r7.com/brasil/sul-e-sudeste- concentram-cidades-pequenas-que-podem-ser-extintas-17112019.
Santos, S. R. T. dos , & Alves, T. W. (2011). O impacto da Lei de Responsabilidade Fiscal no desempenho financeiro e na execução orçamentária dos municípios no Rio Grande do Sul de 1997 a 2004. Rev. Adm. Pública, 45(1), 181-208.
Scarpin, J., Silva, T. da & Vargas, A. (2012). Indicadores econômico-financeiros dos municípios catarinenses. Revista Iberoamericana de Contabilidad de Gestión. X. 1-18.
Thiel, S. Van, & Leeuw, F. (2002). The Performance Paradox in the Public Sector. Public Performance & Management Review, 25(3), 267-281.
Tribunal de Contas do Estado de Santa Catarina (TCE SC). (2016). Recuperado 05 de janeiro, 2020, de http://portaldocidadao.tce.sc.gov.br/homesic.php.
Vermunt, J. K., Magidson, J. (2002). Latent class cluster analysis. Applied latent class analysis, 11, 89-106.
19 Zafra-Gómez, J. L, López-Hernández, A. M & Hernández-Bastida, A. (2009). Desenvolvendo um modelo para medir a condição financeira no governo local: avaliando a qualidade do serviço e minimizando os efeitos do ambiente socioeconômico: uma aplicação aos municípios espanhóis. The American Review of Public Administration, 39(4), 425-449.