Nessa seção mostraremos os resultados econométricos obtidos durante o trabalho. Seguindo nossa estratégia de estimação, exposta na seção 3 do presente trabalho, inicialmente realizamos uma estimação contendo apenas a variável de interesse, ou seja, regredimos a variação do capital humano contra seu estoque no período inicial acrescido de uma constante. Os resultados estão expostos nas tabelas 3 e 4 localizadas abaixo.
Tabela 3: Regressão Simples com adultos com 11 ou mais anos de estudo como medida de capital humano
1980-1970 1990-1980 2000-1990 2000-1970
Parcela da pop adulta com
pelo menos 11 anos de estudo 0,015059*** 0,00475*** 0,002992*** 0,042849***
Constante 0,030256*** 0,02689*** 0,020726*** 0,082291***
Observações 571 571 571 571
R-quadrado ajustado 0,2509 0,0789 0.1409 0,4599
Mudança na porcentagem de adultos que possuem pelo menos 11 anos de
estudo
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Todas as variáveis dependentes foram transformadas usando a equação 22 exposta da seção de metodologia
Observações incluem todos os municípios do Estado de São Paulo com dados disponíveis nos 4 períodos analisados. A fonte dos dados é o Instituto de Pesquisas Economicas Aplicadas (IPEA)
Todas as variáveis explicativas com exceção da constante são referentes ao período inicial da análise (*), (**), e (***) denotam significância a 10%, 5% e 1% de significância respectivamente
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Fonte: Elaboração Própria
Tabela 4: Regressão Simples com adultos com 4 ou menos de estudo como medida de capital humano
1980-1970 1990-1980 2000-1990 2000-1970
Parcela da pop adulta com
menos de 4 anos de estudo -0,001935*** -0,003998*** -0,003633*** -0,009027***
Constante -0,126407*** -0,090166*** -0,072135*** -0,219304***
Observações 571 571 571 571
R-quadrado ajustado 0,0509 0,2582 0.3343 0,4662
Todas as variáveis dependentes foram transformadas usando a equação 22 exposta da seção de metodologia
Observações incluem todos os municípios do Estado de São Paulo com dados disponíveis nos 4 períodos analisados. A fonte dos dados é o Instituto de Pesquisas Economicas Aplicadas (IPEA)
Todas as variáveis explicativas com exceção da constante são referentes ao período inicial da análise (*), (**), e (***) denotam significância a 10%, 5% e 1% de significância respectivamente
Mudança na porcentagem de adultos que possuem menos de
4 anos de estudo
Mudança na porcentagem de adultos que possuem menos de
4 anos de estudo Mudança na
porcentagem de adultos que possuem menos de
4 anos de estudo
Mudança na porcentagem de adultos que possuem menos de
4 anos de estudo
Podemos perceber que à primeira vista, o “efeito Glaeser”, ou seja, a concentração espacial do capital humano está presente no Estado de São Paulo em todos os períodos analisados. Note que todos os coeficientes da parcela da população adulta com pelo menos 11 anos de estudo são positivos e significantes. Para as pessoas com 4 ou menos anos de estudo notamos exatamente o resultado contrário, ou seja, encontramos coeficientes negativos e significantes para todo o período analisado. Isso significa que, à primeira vista, quanto maior for o estoque inicial de pessoas com 4 ou menos anos de estudo de um município paulista, mais ele decrescerá na próxima década. Temos assim evidências de um efeito de desconcentração espacial no tempo desse tipo de capital humano “mais baixo”.
Nossa próxima especificação se deu de modo similar à usada por Berry e Glaeser (2005). Nessa especificação, estimamos uma regressão usando a variação de capital humano como variável dependente e um conjunto de variáveis como variáveis independentes. Esse conjunto é composto por: uma constante, o estoque inicial de capital humano do município, o logaritmo da população do município, a renda per capita do município e a participação de trabalhadores na manufatura do município. Os resultados estão expostos nas tabelas 5 e 6 localizadas abaixo:
Tabela 5: Regressão a la Glaeser com adultos com 11 ou mais anos de estudo como medida de capital humano
1980-1970 1990-1980 2000-1990 2000-1970
Parcela da pop adulta com
pelo menos 11 anos de estudo 0.005447*** -0.001041 0,002108*** 0,022661***
Log da população 0.021615*** 0,008666** -0,001037 0,013516**
Parcela de trab na
manutafatura -0.023719** -0.008613 -0.00284 -0,044376***
Renda per capita 0.019316*** 0,030649*** 0,009144** 0,0992**
Constante -0.056592*** -0,030958** 0,018247** -0.004543
Observações 571 571 571 571
R-quadrado ajustado 0,3372 0,1929 0.1473 0,5258
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Todas as variáveis dependentes foram transformadas usando a equação 22 exposta da seção de metodologia
Observações incluem todos os municípios do Estado de São Paulo com dados disponíveis nos 4 períodos analisados. A fonte dos dados é o Instituto de Pesquisas Economicas Aplicadas (IPEA)
Todas as variáveis explicativas com exceção da constante são referentes ao período inicial da análise (*), (**), e (***) denotam significância a 10%, 5% e 1% de significância respectivamente
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Tabela 6: Regressão a la Glaeser com adultos com 4 ou menos anos de estudo como medida de capital humano
1980-1970 1990-1980 2000-1990 2000-1970
Parcela da pop adulta com
menos de 4 anos de estudo -0,005162*** -0,006299*** -0,004728*** -0,013014***
Log da população -4.99E-03 -0,037115*** -0,004759 -0.022742
Parcela de trab na
manutafatura -0.00859 -0,089791*** -0,093517*** -0,160935***
Renda per capita -0,172403*** -0.012125 -0.008986 -0,135053***
Constante 0,240105*** 0.234285 0.019542 0,268824***
Observações 571 571 571 571
R-quadrado ajustado 0,0878 0,3130 0.3584 0,5003
Todas as variáveis dependentes foram transformadas usando a equação 22 exposta da seção de metodologia
Observações incluem todos os municípios do Estado de São Paulo com dados disponíveis nos 4 períodos analisados. A fonte dos dados é o Instituto de Pesquisas Economicas Aplicadas (IPEA)
Todas as variáveis explicativas com exceção da constante são referentes ao período inicial da análise (*), (**), e (***) denotam significância a 10%, 5% e 1% de significância respectivamente
Mudança na porcentagem de adultos que possuem menos de
4 anos de estudo
Mudança na porcentagem de adultos que possuem menos de
4 anos de estudo Mudança na
porcentagem de adultos que possuem menos de
4 anos de estudo
Mudança na porcentagem de adultos que possuem menos de
4 anos de estudo
Fonte: Elaboração Própria
Podemos perceber que o “efeito Glaeser” continua significante ao usarmos as pessoas com 11 ou mais anos de estudo como variável dependente para a grande maioria dos períodos analisados, sendo a década de 1980 a única exceção a esse fato. O efeito de desconcentração espacial do capital humano encontrado quando usamos a parcela da população com 4 ou menos anos de estudo como variável dependente foi corroborado por essa nova estimação em todos os períodos analisados. As variáveis de controle, por sua vez, tiveram em sua maior parte os sinais esperados e foram estatisticamente significantes, embora notemos algumas exceções importantes a essa regra, como o comportamento da variável referente à população municipal na regressão com a parcela da população adulta com 4 ou menos anos de estudo como variável dependente. Nesse caso, notamos que, para a maior parte dos períodos analisados (incluindo a amostra cheia), esse coeficiente é estatisticamente insignificante, chegando a assumir sinais diferentes dependendo do período observado, indicando que a população municipal não é relevante para a análise da formação de capital humano de nível básico. É importante notar que a renda per capita assume sinal negativo na regressão que usa a parcela da população com 4 ou menos anos de estudo como variável dependente, algo que, na nossa visão é correto e esperado, dado que cidades com maior poder de compra devem gastar
mais em educação, aumentando seu nível médio de capital humano e, dessa forma, reduzindo o número de pessoas com menos de 4 anos de estudo.
Na nossa próxima especificação começamos a encontrar resultados mais interessantes. Nas tabelas 7 e 8 apresentamos os resultados de uma estimação feita nos moldes das anteriores acrescidas de novas variáveis explicativas de controle, a saber: a participação dos trabalhadores no comercio, a área do município, a distância do município em relação à capital estadual, o índice de Theil municipal e uma variável para capturar os outliers do modelo16. Nossa idéia ao adicionar essas novas variáveis é tornar a regressão robusta contra outros fatores que não estavam presente na análise anterior e que possam afetar a formação de capital humano. Esperávamos encontrar um coeficiente positivo e significante para a área municipal ao usarmos como medida de capital humano a parcela da população adulta com 11 ou mais anos de estudo, indicando que (conjuntamente com a população do município), uma alta densidade populacional ajuda a desenvolver o capital humano. Consequentemente esperávamos um coeficiente negativo e significante para essa variável quando usamos nossa medida de capital humano “baixo”. Para o caso do coeficiente relacionado ao índice de Theil esperávamos resultados opostos ao do coeficiente da área municipal, indicando que uma alta desigualdade social no município seja prejudicial à formação de capital humano. Não possuíamos uma expectativa à priori sobre o comportamento da participação dos trabalhadores no comércio e a distancia à capital municipal. Por fim, esperávamos que os o coeficiente relacionado aos outliers fosse positivo e significante graças à definição da variável.
16
Tabela 7: Regressão extendida com adultos com 11 ou mais anos de estudo como medida de capital humano
1980-1970 1990-1980 2000-1990 2000-1970
Parcela da pop adulta com
pelo menos 11 anos de estudo -0.000192 -0,003312*** 0.000715 0,010439***
Log da população 0,012362*** 0,008694*** 0.003457 0,009977*
Parcela de trab na
manutafatura -0.013737 0.013282 -0.008597 -0.016454
Renda per capita 0,023964** 0,01426*** 0.003025 0,079271***
Parcela de trab no comercio 0,258548*** 0,409419*** 0,101601*** 0,423473***
Theil 0,027213** -0.00848 -0.01367 0,061227*** Log da área 0,005138* 0.000409 -0.002337 -0.006196 DistSP 0,000021*** 0,000023*** 0.000009 0,000055*** Outliers 0,063115*** 0,142622*** 0,084626*** 0,120572*** Constante -0,056648*** -0,028758** 0.016478 -0.011754 Observações 571 571 571 571 R-quadrado ajustado 0,4354 0,4889 0.2752 0,6428 Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Todas as variáveis dependentes foram transformadas usando a equação 22 exposta da seção de metodologia
Observações incluem todos os municípios do Estado de São Paulo com dados disponíveis nos 4 períodos analisados. A fonte dos dados é o Instituto de Pesquisas Economicas Aplicadas (IPEA)
Todas as variáveis explicativas com exceção da constante são referentes ao período inicial da análise (*), (**), e (***) denotam significância a 10%, 5% e 1% de significância respectivamente
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Tabela 8: Regressão extendida com adultos com 4 ou menos anos de estudo como medida de capital humano
1980-1970 1990-1980 2000-1990 2000-1970
Parcela da pop adulta com
menos de 4 anos de estudo -0,00444*** -0,00529*** -0,004094*** -0,013035***
Log da população -0.00413 -0,044674*** 0.004573 -0,038366**
Parcela de trab na
manutafatura -0.037191 -0,073757** -0,050903** -0,110133**
Renda per capita -0,116*** -0.004183 0.003971 -0,148464***
Parcela de trab no comercio -0,550695** -0.127451 -0,156353** -0.421005
Theil -0.032486 0.028695 -0.002835 -0,135597*** Log da área 0,028027** 0,042606*** 0.003971 0,07447*** DistSP -0,000055** -0,000111*** 0,000051*** -0.000052 Outliers 0,267361*** 0,205194*** 0,13097*** 0,240631*** Constante 0.1314 0,105899* -0,080881** 0,23143** Observações 571 571 571 571 R-quadrado ajustado 0,2325 0,4368 0.4445 0,5558
Todas as variáveis dependentes foram transformadas usando a equação 22 exposta da seção de metodologia
Observações incluem todos os municípios do Estado de São Paulo com dados disponíveis nos 4 períodos analisados. A fonte dos dados é o Instituto de Pesquisas Economicas Aplicadas (IPEA)
Todas as variáveis explicativas com exceção da constante são referentes ao período inicial da análise (*), (**), e (***) denotam significância a 10%, 5% e 1% de significância respectivamente
Mudança na porcentagem de adultos que possuem menos de
4 anos de estudo
Mudança na porcentagem de adultos que possuem menos de
4 anos de estudo Mudança na
porcentagem de adultos que possuem menos de
4 anos de estudo
Mudança na porcentagem de adultos que possuem menos de
4 anos de estudo
Fonte: Elaboração Própria
A tabela 7 nos mostra que, ao adicionarmos esses novos controles, o efeito “Glaeser” perde sua significância em boa parte dos períodos analisados, sendo estatisticamente relevante apenas na amostra cheia. Para a década de 1980, esse coeficiente chega a assumir valores negativos e significantes, indicando uma desconcentração do capital humano naquele período. Note também que, mesmo para a amostra cheia, a adição dos diversos controles torna o coeficiente analisado muito menor do que era anteriormente, já que ele corresponde a cerca de apenas 25% do coeficiente encontrado na primeira rodada de estimação. Quanto às variáveis de controle, observamos que boa parte delas também perdeu muito de sua significância estatística nessa nova estimação, e que as variáveis que à priori não esperávamos ser significante, ou seja; a participação dos trabalhadores no comércio e a distância à capital estadual, são significantes e positivas, indicando que o comercio é um grande catalisador de
capital humano “superior” e que esse processo está acontecendo mais ao no interior de São Paulo do que na sua capital. Outro ponto curioso a ser notado e que merece atenção futura, é que o índice de Theil apresentou sinal oposto ao esperado na amostra cheia, apesar de apresentar pouca relevância estatística nos sub-períodos, indicando que a alta desigualdade social atua como força de atração do capital humano, o que é um resultado bastante contra intuitivo. Não temos uma boa explicação para esse fenômeno.
A tabela 8 nos mostra que, ao contrário do que ocorre com o “Efeito Glaeser”, o efeito de desconcentração espacial no tempo do capital humano continua bastante robusto. Mesmo com a adição das novas variáveis de controle continuamos observando um coeficiente negativo e significante para o estoque inicial de capital humano quando usamos a parcela da população com 4 ou menos anos de estudo como variável dependente. Note que, para todos os períodos analisados esse coeficiente é até maior em módulo do que quando fizemos a regressão simples exposta na tabela 3. As variáveis de controle, assim como no caso do capital humano “superior”, também apresentam pouca significância estatística em diversos casos observados. A variável referente ao coeficiente de Theil municipal novamente apresenta sinal contrario ao esperado e estatisticamente significante para a amostra cheia, indicando certa robustez ao fenômeno estranho encontrado na análise da tabela 6.
Tabela 9 - Regressão pelo método SAR com adultos com 11 ou mais anos de estudo como medida de capital humano
1980-1970 1990-1980 2000-1990 2000-1970
Parcela da pop adulta com pelo menos 11
anos de estudo
-0.000221 -0,003357*** 0.000665 0,010489***
Log da população 0,012096*** 0,008754*** 0.003582 0,009648*
Parcela de trab na
manutafatura -0.014816 0.013931 -0.006836 -0.017573
Renda per capita 0,019818** 0,015152*** 0.004393 0,075235***
Parcela de trab no comercio 0,270001*** 0,405281*** 0,099729*** 0,434056*** Theil 0,031881*** -0.010044 -0,017034* 0,065059*** Log da área 0,007092** -0.000133 -0.003368 -0.004422 DistSP 0,000021*** 0,000022*** 0,000008*** 0,000056*** Outliers 0,064499*** 0.142221 0,083562*** 0,121474*** Constante -0,07328*** -0,024256** 0,025718** -0.025016 Rho 0,089971** -0.025983 -0.058996 0.025987 Observações 571 571 571 571 R-quadrado ajustado 0,4357 0,4892 0.2763 0,6432
Observações incluem todos os municípios do Estado de São Paulo com dados disponíveis nos 4 períodos analisados. A fonte dos dados é o Instituto de Pesquisas Economicas Aplicadas (IPEA)
Todas as variáveis explicativas com exceção da constante são referentes ao período inicial da análise (*), (**), e (***) denotam significância a 10%, 5% e 1% de significância respectivamente
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
A estimação foi feita usando-se uma matriz de pesos espaciais igual ao inverso da distância ao quadrado entre os centroides dos municípios
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Todas as variáveis dependentes foram transformadas usando a equação 22 exposta da seção de metodologia
Tabela 10 - Regressão pelo método SAR com adultos com 4 ou menos anos de estudo como medida de capital humano
1980-1970 1990-1980 2000-1990 2000-1970
Parcela da pop adulta com 4 ou menos anos
de estudo
-0,004488*** -0,005284*** -0,004033*** -0,013266***
Log da população -0.00387 -0,044662*** 0.004435 -0,037357**
Parcela de trab na
manutafatura -0.036619 -0,073398*** -0,045114** -0,10616**
Renda per capita -0,112978*** -0.003623 0.00747 -0,13006***
Parcela de trab no comercio -0,568990** -0.129744 -0,157517** -0,517536* Theil -0.037195 0.027683 -0.013612 -0,16074*** Log da área 0,025961** 0,042269*** 0.001719 0,062729*** DistSP -0,000053*** -0,00011*** 0,000052*** -0,000038* Outliers 0,266845*** 0,205154*** 0,129933*** 0,237336*** Constante 0,153278*** 0.108495 -0,057525* 0,35562*** Rho 0.015992 0.002439 0.026966 0,028585*** Observações 571 571 571 571 R-quadrado ajustado 0,2316 0,4368 0.4455 0,5598
Observações incluem todos os municípios do Estado de São Paulo com dados disponíveis nos 4 períodos analisados. A fonte dos dados é o Instituto de Pesquisas Economicas Aplicadas (IPEA)
Todas as variáveis explicativas com exceção da constante são referentes ao período inicial da análise (*), (**), e (***) denotam significância a 10%, 5% e 1% de significância respectivamente
Mudança na porcentagem de adultos
que possuem 4 ou menos anos de estudo
Mudança na porcentagem de adultos
que possuem 4 ou menos anos de estudo
A estimação foi feita usando-se uma matriz de pesos espaciais igual ao inverso da distância ao quadrado entre os centroides dos municípios
Mudança na porcentagem de adultos
que possuem 4 ou menos anos de estudo
Mudança na porcentagem de adultos
que possuem 4 ou menos anos de estudo
Todas as variáveis dependentes foram transformadas usando a equação 22 exposta da seção de metodologia
Tabela 11 - Regressão pelo método SEM com adultos com 11 ou mais anos de estudo como medida de capital humano
1980-1970 1990-1980 2000-1990 2000-1970
Parcela da pop adulta com pelo menos 11
anos de estudo
-0.001365 -0,003389*** 0.000751 0,009873***
Log da população 0,013423*** 0,008759*** 0,003625* 0,010511*
Parcela de trab na
manutafatura -0.01338 0.012914 -0.00827 -0.016864
Renda per capita 0,029428*** 0,014699*** 0.002569 0,082856***
Parcela de trab no comercio 0,250864*** 0,409878*** 0,101097*** 0,413904*** Theil 0,026717** -0.009029 -0.0128 0,060926*** Log da área 0,005148 0.000545 -0.002584 -0.006157 DistSP 0,000021*** 0,000023*** 0,000009*** 0,000056*** Outliers 0,063248*** 0,142349*** 0,085034*** 0,120537*** Constante -0,065843*** -0,029495*** 0.016329 -0.01547 Lambda 0,264974*** 0,044976*** -0,075977*** 0,10497*** Observações 571 571 571 571 R-quadrado ajustado 0,4464 0,4891 0.2757 0,6435
A estimação foi feita usando-se uma matriz de pesos espaciais igual ao inverso da distância ao quadrado entre os centroides dos municípios
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Todas as variáveis dependentes foram transformadas usando a equação 22 exposta da seção de metodologia
Observações incluem todos os municípios do Estado de São Paulo com dados disponíveis nos 4 períodos analisados. A fonte dos dados é o Instituto de Pesquisas Economicas Aplicadas (IPEA)
Todas as variáveis explicativas com exceção da constante são referentes ao período inicial da análise (*), (**), e (***) denotam significância a 10%, 5% e 1% de significância respectivamente
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Mudança na porcentagem de adultos
que possuem pelo menos 11 anos de
estudo
Tabela 12 - Regressão pelo método SEM com adultos com 4 ou menos anos de estudo como medida de capital humano
1980-1970 1990-1980 2000-1990 2000-1970
Parcela da pop adulta com 4 ou menos anos
de estudo
-0,00477*** -0,005393*** -0,004223*** -0,013464***
Log da população -0.002651 -0,044672*** 0.005636 -0.027615
Parcela de trab na
manutafatura -0.043055 -0,073127** -0,042521* -0,088096*
Renda per capita -0,119831*** -0.007071 0.00066 -0,144168***
Parcela de trab no comercio -0,600343** -0.126522 -0,160828** -0,597902** Theil -0.039601 0.032964 0.006342 -0,141646*** Log da área 0,025997** 0,04252*** 0.000635 0,052368*** DistSP -0,000069*** -0,00011*** 0,000052*** -0.000082 Outliers 0,264417*** 0,201568*** 0,128163*** 0,236435*** Constante 0,170796** 0,114269*** -0,068002** 0,367259*** Lambda 0,259989*** 0,13499*** 0,237963*** 0,298993*** Observações 571 571 571 571 R-quadrado ajustado 0,2523 0,4382 0.4524 0,5791
A estimação foi feita usando-se uma matriz de pesos espaciais igual ao inverso da distância ao quadrado entre os centroides dos municípios
Mudança na porcentagem de adultos
que possuem 4 ou menos anos de estudo
Mudança na porcentagem de adultos
que possuem 4 ou menos anos de estudo
Todas as variáveis dependentes foram transformadas usando a equação 22 exposta da seção de metodologia
Observações incluem todos os municípios do Estado de São Paulo com dados disponíveis nos 4 períodos analisados. A fonte dos dados é o Instituto de Pesquisas Economicas Aplicadas (IPEA)
Todas as variáveis explicativas com exceção da constante são referentes ao período inicial da análise (*), (**), e (***) denotam significância a 10%, 5% e 1% de significância respectivamente
Mudança na porcentagem de adultos
que possuem 4 ou menos anos de estudo
Mudança na porcentagem de adultos
que possuem 4 ou menos anos de estudo
Fonte: Elaboração Própria
Nas tabelas 9 e 10 vemos a estimação pelo modelo SAR, enquanto que nas tabelas 11 e 12 encontramos as estimações feitas pelo modelo SEM. Conforme explicitado na seção 3 do presente trabalho, testamos 3 hipóteses distintas para a construção da matriz de pesos espaciais. Como os resultados foram muito parecidos, optamos por mostrar aqui apenas as estimações usando a matriz de pesos espaciais equivalente ao quadrado da distância entre os centróides dos municípios. As estimações mostram que a inclusão das variáveis espaciais não muda muito os resultados obtidos no modelo estimado por mínimos quadrados ordinários que
continha a presença de todas as variáveis explicativas. Praticamente todos os resultados encontrados nas tabelas 7 e 8 estão reproduzidos nas tabelas 9 a 12. Os R2 ajustados dos modelos expressos nas tabelas 7 e 8 também se mostraram muito próximos daqueles encontrados nos modelos SAR e SEM, indicando que a presença do parâmetro espacial não agrega muito em termos de explicação da variável dependente. De fato, na maior parte dos períodos analisados, os parâmetros espaciais dos modelos SAR não se mostraram sequer estatisticamente significantes. Já em relação ao modelo SEM, os parâmetros espaciais se mostraram estatisticamente diferente de zero e com o sinal adequado para a maior parte dos períodos, porém com coeficientes de valor muito reduzido em termos absolutos.