Kommunikasjon og overtalelse/overbevisning

29

A funcionalidade e todas as instruções para a utilização do GeoDa são apresentadas em Anselin (2003a, 2003b e 2004). Trata-se de um “software” com um “design” num ambiente interativo que combina mapas com gráficos estatísticos, usando tecnologia dinamicamente relacionada com o “windows”.

A partir da base de dados e ratificando os aspectos metodológicos, duas questões principais devem ser enfocadas ao estimar a equação (21): a endogeneidade da categoria k dos gastos da jurisdição j (qk_j ) e a possibilidade da dependência do erro espacial. Para elucidar, vamos reescrever a equação (21) para cada jurisdição como:

ε λ

β + +

= X Wq

q . (25)

Claramente, q é endógeno, desde que a variável dependente em cada unidade da “cross-section” dependa de uma média ponderada dessa variável dependente nas unidades da

“cross-section” do vizinho. Devido a essa endogeneidade, Wq é correlacionado com o vetor

de erro ε, implicando que os mínimos quadrados ordinários estimados dos parâmetros da equação (25) são inconsistentes. A equação (25) pode ser usada para resolver para os valores em equilíbrio dos q ’s, assim, obtemos a equação (26), _i

ε λ β λ 1 1 ) ( ) ( − − + − − = I W X I W q , (26)

a qual mostra que cada elemento de q depende sobretudo doε (Brueckner, 2003). A variável dependente espacialmente defasada em (21) é, então, correlacionada com o termo de erro, levando à inconsistência do estimador dos mínimos quadrados ordinários (ver Anselin, 1988). Com a simultaneidade removida, a equação (26) pode ser estimada usando-se técnicas de máxima verossimilhança. Vale lembrar que nessa estimação as variáveis características em

i

X são tratadas como exógenas.

Problemas adicionais surgem se o termo de erro é auto-regressivo espacial, isto é:

ξ ε ρ

ε = M + , (27)

onde M é uma matriz de ponderação que se considera ser a mesma matriz W, ρ é um parâmetro a ser estimado e ξ é um termo de erro bem comportado. Resolvendo (27) obtemos a equação (28), ξ ρ ε 1 ) ( − − = I M , (28)

a qual mostra que cada elemento de ε é uma combinação linear dos elementos de ξ, implicando que ε_i é correlacionado com ε_j para i≠ . Ignorar a dependência do erro j

espacial pode levar à falsa evidência da interação estratégica ao estimar a equação (21). Portanto, nós procuramos um estimador que seja capaz de tratar ambas as fontes de correlação espacial.

Desta forma, procederemos seguindo os passos descritos na seção 3.2 para estimar as equações (21) e (25).

Proceder-se-á neste capítulo à análise dos dados, procurando identificar a existência da relação de espacialidade entre as jurisdições, com uso de gráficos de autocorrelação espacial, “Moran Scatterplot” para a autocorrelação espacial global e a “LISA Maps” para a

autocorrelação espacial local, bem como a estimação das funções de reação por meio da econometria espacial. Nesta análise, a variável dependente é apresentada em valores médios para o período de 1986 a 2003 e para os subperíodos de 1986 a 1988 e 1997 a 2003, para evitar a contabilização dos valores por mais de uma vez. Para os anos isolados utilizados na análise consideramos os valores reais dos anos de 1988, 1997 e 2003.

4.1-MORAN-I

O primeiro passo da análise consiste em buscar representações e testes que revelem se os dados estão relacionados espacialmente. Para tal, o gráfico e a estatística I de Moran são os instrumentos básicos.

Quando a estatística I de Moran é próxima de +1, significa que existe uma autocorrelação positiva, ou seja, valores altos (baixos) tendem a estar localizados na vizinhança de valores altos (baixos). Se for próximo de -1, o inverso ocorre: valores altos estarão cercados de valores baixos, e vice-versa. Quando ele é zero, não há autocorrelação espacial.

O gráfico de Moran (Moran scatterplot) é uma representação visual da estatística I. Ele apresenta o valor padronizado de uma variável dependente, representada por cada categoria de gasto, para cada uma das Unidades da Federação, nas abscissas e, no eixo das ordenadas, a média do valor padronizado da mesma variável para os vizinhos destas Unidades. Dessa maneira, valores acima da média com vizinhança também acima da média ocuparão o primeiro quadrante. Já aqueles abaixo da média, com vizinhos na mesma situação ocupam o terceiro quadrante. Os segundos e quartos quadrantes são ocupados, respectivamente, por unidades que sejam ilhas elevadas cercadas por valores baixos, e por bolsões baixos cercados de valores altos. Caso não houvesse qualquer correlação espacial, a nuvem de pontos estaria bem distribuída pelos quatro quadrantes.

As figuras 1 a 3 apresentam os gráficos de Moran para gastos em infra-estrutura para os anos de 1988, 1997 e 2003, respectivamente. Ressalta-se que os resultados estatísticos das distribuições de referência dos gráficos encontram-se no apêndice B.

Figura 1: Moran Scatterplot de infra-estrutura em 1988

Figura 3: Moran Scatterplot de infra-estrutura em 2003

Os pontos representam os Estados brasileiros. Os testes mostraram-se estatisticamente significativos para a categoria de gastos acima considerada. Nota-se que há maior concentração de pontos nos quadrantes que representam valores semelhantes entre a unidade analisada e suas vizinhas (primeiro e terceiro quadrantes). O I de Moran de infra-estrutura relativo ao ano de 1988 apresenta valor igual a 0,4504 (Figura 1). A visualização da estatística nos mostra que entre os Estados brasileiros, em 1988, houve tendência de que Estados mais ricos que a média estivessem espacialmente associados com Estados igualmente mais ricos que a média. Da mesma forma, Estados mais pobres que a média estiveram contíguos a Estados igualmente mais pobres. Essa tendência persiste em 1997. Em 2003, a autocorrelação negativa (Figura 3), com o I Moran negativo, representa as Unidades da Federação que sejam ilhas elevadas cercadas por valores baixos, e por bolsões baixos cercados de valores altos, ou seja, uma relação entre Estados mais ricos e os mais pobres.

Uma das explicações possíveis para mudança observada em 2003 em relação aos demais períodos pode ser atribuída às regras fiscais abordadas na seção 2.2, que estabeleceram um processo de ajuste fiscal e de instituição de regras fiscais ao longo do período de 1997 a 2001. Pelo caráter disciplinador e inibidor dessas normas, para os entes da Federação, o início desta década caracterizou-se pela busca da adequação ao que preconizam esses Instrumentos Normativos. Os Estados e Municípios objetivam adequar suas despesas com a lei orçamentária anual e compatibiliza-las com o plano plurianual e com a lei de diretrizes orçamentárias. A necessidade de indicação e implementação prévia de medidas de

compensação à renúncia fiscal ou qualquer outro processo de incentivo fiscal, pretendido por quaisquer dos entes, constitui-se num entrave para uso do instrumento da competição fiscal. A Lei de Responsabilidade Fiscal, por exemplo, preconiza esse entrave. Claramente, a referida lei apresenta mecanismos que se tornam determinantes na decisão pela competição, com dispositivos de efeitos diretos e indiretos sobre o ímpeto daqueles que almejam se lançar num processo de competição interjurisdicional.

As figuras 4 a 6 apresentam os gráficos de Moran para gastos sociais para os anos de 1988, 1997 e 2003, respectivamente.

Figura 5: Moran Scatterplot dos gastos sociais em 1997

Figura 6: Moran Scatterplot dos gastos sociais em 2003

Nota-se que, embora com menor intensidade, a categoria de gastos com o social também está espacialmente correlacionada e há maior concentração de pontos nos quadrantes que representam valores semelhantes entre a unidade analisada e suas vizinhas (primeiro e terceiro quadrantes). Os I de Moran relativos aos anos de 1988, 1997 e 2003 visualizados nas Figuras 4, 5 e 6 nos permitem dizer que houve tendência de concentração espacial dos Estados que apresentaram níveis de gastos com o social semelhantes, ainda que nos anos de 1997 e 2003 essa autocorrelação necessite de graus generosos de significância para se

tornarem diferentes de zero. Esse contraste não é tão estranho se imaginarmos que houve um “cluster” dos Estados localizados no Centro-Sul do Brasil, que ficaram com níveis mais altos

de gastos sociais do que a média dos demais, ficando quase todos no terceiro quadrante.

As figuras 7 a 9 apresentam os gráficos de Moran para a categoria de gastos “agricultura, defesa nacional, segurança pública e relações internacionais” para os anos de 1988, 1997 e 2003, respectivamente.

Figura 7: Moran Scatterplot dos gastos com agricultura, defesa nacional, segurança pública e relações internacionais em 1988

Figura 8: Moran Scatterplot dos gastos com agricultura, defesa nacional, segurança pública e relações internacionais em 1997

Figura 9: Moran Scatterplot dos gastos com agricultura, defesa nacional, segurança pública e relações internacionais em 2003

Quanto aos gastos com agricultura, defesa nacional, segurança pública e relações internacionais representados pelas Figuras 7, 8 e 9, os valores expressam níveis de significância similares aos gastos sociais de 1997 e 2003. Em 1988 a estatística I de Moran da figura 7 foi estatísticamente significante a 10%.

Figura 10: Moran Scatterplot de todas as categorias agregadas de gastos em 1988

Figura 12: Moran Scatterplot de todas as categorias agregadas de gastos em 2003

Por fim, de maneira análoga às análises relativas às categorias de gastos anteriores, nota-se que agregando as categorias dos gastos referentes, também, aos anos de 1988, 1997 e 2003, constata-se que há maior concentração de pontos nos quadrantes que representam valores semelhantes entre a unidade analisada e suas vizinhas (primeiro e terceiro quadrantes). Os I de Moran relativos aos anos de 1988, 1997 e 2003 apresentam valores iguais a 0,2830, 0,1727 e 0,1154, nas Figuras 10, 11 e 12, respectivamente. A visualização da estatística nos mostra que entre os Estados houve tendência de que os mais ricos que a média estivessem espacialmente associados com aqueles igualmente mais ricos que a média. Da mesma forma, Estados mais pobres que a média estiveram espacialmente associados com Estados igualmente mais pobres que a média. Durante a década de 90, alguns Estados do Nordeste - Bahia, Pernambuco e Ceará -, se lançaram na competição jurisdicional a fim de captarem investimento fixo de empresas já instaladas no eixo Centro-Sul, em especial nos Estados de Goiás, Espírito Santo, Rio Grande do Sul e Paraná30_{. Assim, configurou-se uma forte}

tendência da autocorrelação espacial em 2003 com a consolidação dos fatores propiciadores da competição fiscal discutidos no capítulo 2, promovendo associação entre alguns Estados.