AGLOMERADOS PRODUTIVOS DO PARANÁ E SEUS DETERMINANTES

Augusta Pelinski Raiher: Universidade Estadual de Ponta Grossa (UEPG). Email: apelinski @gmail.com

Alex Sander Souza do Carmo: UEPG. Email: alexsscarmo@hotmail.comAlysson Luiz Stege: UEPG. Email: alyssonstege@gmail.com

RESUMO: Este artigo tem como principal objetivo analisar os determinantes da formação dos aglomerados produtivos paranaenses, focando especialmente nos efeitos das economias de especialização e de diversificação. Para isso, selecionou-se dez setores industriais (os mais representativos em termos de emprego) e estimou, por meio de dados em painel (utilizando painel espacial), regressões, uma para cada indústria, considerando os 399 municípios e o período entre 2000 e 2015. Como corolário, para todos os setores, as externalidades oriundas da especialização produtiva se apresentaram estatisticamente significativas, afetando de forma positiva a dinâmica do crescimento industrial dos municípios do Paraná. Ademais, para boa parte dos setores existiu um efeito espacial, com transbordamento da dinâmica da industrialização para municípios vizinhos.

Palavras-Chave: Industrialização; externalidades; especialização; diversificação.

ABSTRACT: The main goal of this article is to analyze the determinants of the formation of Paraná productive clusters, focusing especially on the effects of the economies of specialization and diversification. To this end, ten industrial sectors (the most representative in terms of employment) were selected and, through panel data (using a space panel), estimated regressions, one for each industry, considering the 399 municipalities and the period between 2000 and 2015. As a corollary, for all sectors, externalities from productive specialization were statistically significant, affecting in a positive way the dynamics of industrial growth in the municipalities of Paraná. In addition, for many of the sectors there was a spatial effect, with an overflow of the dynamics of industrialization to other municipalities of the wrap.

Keywords: Industrialization; externalities; Specialization; diversification.

ÁREA 3: Economia Regional e Urbana

JEL: R12

1. INTRODUÇÃO

A distribuição espacial das atividades produtivas apresenta-se como decisiva no processo do desenvolvimento econômico de uma região. Quando uma empresa se instala em determinado ponto, feedbacks positivos podem ser gerados, reforçando as externalidades locais, atraindo novas firmas (KRUGMAN, 1991). Esse processo positivo conduz a formação e a ampliação do aglomerado, consequência direta da concentração de mão-de-obra, da presença de infraestrutura, da centralização de serviços especializados, dos próprios spillovers tecnológicos, dentre outros fatores.

Assim, o ponto inicial da instalação de uma unidade produtiva tende a se beneficiar, gerando empregos diretos no setor induzido, como também em outros segmentos encadeados à firma entrante. Ademais, processa-se um efeito renda, induzindo outras atividades locais, gerando indiretamente a fomentação da economia.

Esses efeitos podem transcender os limites territoriais, beneficiando as regiões vizinhas, por meio da absorção de mão de obra, da compra de matérias-primas, bem como por meio da instalação de empresas satélites neste envoltório (HIRSCHMAN, 1958). Ou seja, a aglomeração inicial em um ponto do espaço pode gerar benefícios para o seu entorno, formando uma cadeia produtiva importante no que tange à produtividade, emprego e renda.

A expectativa é que outros espaços regionais se beneficiem, ex post, dessas economias de aglomeração, desenvolvendo seus parques produtivos e elevando a produtividade da indústria. Saboia e Kubrusly (2008) inferem a importância dessa descentralização no desenvolvimento industrial especialmente pelos transbordamentos que as indústrias entrantes e/ou nascentes trazem para a região, como, por exemplo, mão-de-obra qualificada, spillovers tecnológicos, otimização dos custos pela proximidade com seus fornecedores, infraestrutura instalada, dentre outros elementos.

Nesse contexto, identificar os determinantes da distribuição dos aglomerados industriais se torna relevante para o processo de desenvolvimento regional. E este é o objetivo deste artigo, analisar os fatores indutores das aglomerações paranaenses, considerando os 10 setores mais representativos da indústria, entre os anos de 2000 e 2015 (CNAE 95, DIV). Para isso, utilizou-se o modelo de Glaeser et al (1992), no qual se testa três teorias: a das economias Marshallianas, a competitividade de Porter e, as externalidades Jacobianas.

Para Marshall (1890), as economias de aglomeração se originam do aumento da escala de produção, decorrentes da concentração geográficas das firmas de uma mesma indústria. São economias externas à firma e internas à indústria, cujo aumento da produtividade dos fatores provém dos ganhos de especialização (doravante, economia de especialização). Marshall (1890) destaca três fontes para essas externalidades: a concentração de mão-de-obra qualificada, promovendo processos de aprendizado coletivo; a centralização de serviços, com encadeamento intersetorial, e; os spillovers tecnológicos, criando uma atmosfera inovativa industrial, propensa a orientar combinações tecnológicas e organizacionais mais eficientes, com transbordamentos tecnológicos intraindústria.

Supõe-se que quanto maior a concentração de firmas da mesma indústria num espaço maior é a atração de mão-obra especializada, disponível para todas as firmas. Além disso, menores são os custos globais de cada empresa dada a proximidade entre os elos da indústria, apresentando também uma oferta significativa de serviços especializados localmente. Soma-se a isso a formação de uma atmosfera industrial propensa a orientar combinações tecnológicas e organizacionais mais eficientes, com transbordamentos tecnológicos para as firmas que estão concentradas naquele espaço. A hipótese é de que essas externalidades atraem novas firmas, intensificando ainda mais a concentração espacial.

Essas externalidades também são vislumbradas na teoria da competitividade de Porter (1990, 2000), através de uma visão de competitividade dos clusters industriais. O autor prevê, assim como Marshall, que as firmas crescem mais rapidamente ao se especializar, beneficiando-se dos efeitos aglomerativos. A diferença é que Porter (1990, 2000) supõe que a concorrência local acelera a imitação e melhora as ideias do inovador, e que mesmo diminuindo os retornos da inovação, tem-se um aumento da pressão para inovar, hipótese que difere da de Marshall (1890), que defende ser o

monopólio local o grande impulsionador desse processo. Porter (2000) ainda sugere que os clusters podem se tornar um importante fórum, com diálogo aberto entre empresas, agências governamentais e instituições locais (como escolas, universidades e serviços públicos), elementos que conduzem a geração de externalidades para as firmas aglomeradas.

Já para Jacobs (1969), a diversificação industrial – e não a especialização produtiva - que conduz a aglomeração no espaço. Essa atração decorreria da disponibilidade dos bens públicos e de serviços especializados (como no campo organizacional, tecnológico, financeiro, transporte, de capacitação empresarial, etc), associado à existência de um grande mercado consumidor. Além disso, ter-se-ia uma incubadora de fatores produtivos, com um mercado de trabalho extenso e qualificado, disponibilizando instituições de formação universitária e empresarial, assim como centros de pesquisas. Ademais, assume-se a existência de transmissão de spillovers de conhecimento entre firmas de diferentes indústrias, supondo que indústrias adotariam soluções tecnológicas para seus gargalos vislumbrando soluções encontradas em outras. Esses e outros elementos compõe externalidades interindustrias, denominadas de economias de diversificação, as quais tendem a dinamizar ainda mais a concentração produtiva.

Partindo dessas três teorias, Glaeser et al (1992) testou os elementos indutores do crescimento industrial em algumas cidades dos Estados Unidos, entre os anos de 1956 e 1987. Seus resultados foram favoráveis para a diversificação da atividade, identificando também a importância das firmas menores na dinâmica da concentração industrial (hipótese de Porter)

No que tange ao presente trabalho, o objetivo central é testar para o Estado do Paraná se são as economias de especialização ou de diversificação que induzem a formação dos aglomerados produtivos. O modelo empírico a ser estimado será especificado à la Glaeser et al (1992), cujos parâmetros serão estimados por meio da técnica de painel de dados espacial.

Além desta introdução, o trabalho possui outras quatro seções. Na segunda, descreve-se o modelo teórico de Glaeser et al (1992), que servirá de referência para a especificação do modelo empírico. Na sequência, apresenta-se a estratégia empírica. Na quarta seção, discute-se os resultados obtidos. Por fim, na quinta seção, relata-se as considerações finais.

2. DETERMINANTES DA AGLOMERAÇÃO INDUSTRIAL: O MODELO

2.1 CONSIDERAÇÕES INICIAIS

Teoricamente, a intensificação da concentração da atividade produtiva (intra ou interindustrial) deriva da busca individual das firmas em obterem as economias de aglomeração, as quais não necessariamente explicam o início do aglomerado1, mas determinam os elementos que o intensificam cumulativamente. No modelo de Glaeser et al (1992) resume-se três teorias que explicam os fatores impulsionadores dessa concentração produtiva, testando o efeito das economias de diversificação e das economias de especialização.

As economias de especialização derivam dos argumentos de Marshall (1890) acerca das externalidades que são auferidas quando firmas da mesma indústria se estabelecem no mesmo espaço. Essas externalidades provem basicamente da concentração da mão-de-obra especializada, da centralização dos serviços e dos spillovers de tecnologia decorrentes das linkages entre as firmas. Da mesma maneira, Porter (1990) defende a especialização das indústrias visando um crescimento mais intenso, especialmente pelas firmas aprenderem umas com as outras quando estão próximas. O ponto que difere de Marshall refere-se à competitividade, entendendo que as externalidades são maximizadas em regiões com indústrias geograficamente especializadas e competitivas.

Já as economias de diversificação provêm da concentração de empresas de diferentes indústrias, as quais se beneficiam dos spillovers tecnológicos resultantes do ambiente diversificado que se tem, com interação de conhecimentos, além da disponibilidade de serviços, mão-de-obra, e mercado consumidor (JACOBS, 1969).

1 O qual pode ter sido fruto do acaso, de políticas públicas específicas, etc.

Glaeser et al (1992), analisando algumas cidades dos Estados Unidos, observaram uma superioridade dos efeitos da diversificação para o processo de aglomeração produtiva. Além disso, identificaram um crescimento industrial mais dinâmico naquelas cidades nas quais as indústrias eram menores, com aumento da concorrência local entre as empresas.

2.2 O MODELO TEÓRICO DE GLAESER et al (1992)

Glaeser et al (1992) resumem as teorias de Marshall (1890), Porter (1990) e Jacobs (1969) em um único modelo. Inicialmente, os autores têm como hipótese a existência de uma indústria em determinado local com a seguinte função de produção (1):

At f (lt) (1)

Em que A é a tecnologia; l é o trabalho usado no tempo t. Dado o nível tecnológico, os preços e os salários (w), a firma busca maximizar:

At f (lt )−W t lt (2)

Para isso, é estabelecido a contribuição do trabalho que equipara o produto marginal do trabalho ao seu salário:

At f ' (lt )−W t lt (3)

Reescrevendo (3) em termos de taxa de crescimento, tem-se:

log( A t+1

At)=log( W t+1

W t)−log ¿ (4)

O nível de tecnologia da firma é composto por um componente nacional e outro local, ou seja:

A=A local Anacional (5)

Reescrevendo (5) em termos de taxa de crescimento, tem-se:

log( A t+1

At)=log( Alocal t+1

A local t)+log( Anacional t+1

Anacional t) (6)

O crescimento da tecnologia nacional capta a mudança do preço do produto bem como as mudanças nas técnicas que ocorrem em todo o país. Para a local, assume-se que a tecnologia cresce a uma taxa exógena para a empresa, contudo, apresenta-se dependente das externalidades tecnológicas existentes na indústria naquela cidade, ou seja:

log( A local t+1

A localt)=g (esp , monlocal , diver , condini )+et+1 (7)

A especialização (esp) refere-se à concentração da indústria na cidade, que, segundo Marshall (1890) e Porter (1990), tenderia a elevar o progresso tecnológico. O monopólio local (monlocal) é defendido como elemento positivo para a apropriação de tecnologia por Marshall (1980), dada a certeza de que se terá os lucros da inovação. Mas Porter (1990) discorda neste ponto,

supondo que, apesar da concorrência diminuir os retornos da inovação, ao ter uma maior concorrência se eleva a pressão para inovar. Assim, tanto Porter quanto Marshall concordam que a especialização é importante para a dinâmica da tecnologia local, no entanto, Porter entende que a concorrência é importante para esse processo enquanto que Marshall considera o monopólio mais eficiente na promoção da inovação.

A diversificação (diver) mede a variedade de atividades que a cidade detém, testando a teoria de Jacobs (1969). Por fim, as condições iniciais (condini) visam mensurar, por exemplo, o salário inicial e o deslocamento da firma por remunerações menores.

Se considerar f (l )=l1−α onde 0<α<1 e rearranjando (4), (6) e (7), obtém-se:

αlog( lt+1

lt)=−log(W t+1

W t)+ log( Anacional t+1

Anacional t)+g (esp ,monlocal , diver , condini )+e t+1 (8)

Tem-se como hipótese de (8) que o crescimento no setor industrial nacional captura mudanças na tecnologia nacional e nos preços. Além disso, é assumido que os trabalhadores participam do mercado nacional e que o crescimento do salário é constante em todas as indústrias da cidade. Assim, em (8) é relacionado o crescimento do emprego de uma indústria em uma cidade com as diferentes medidas de externalidades.

Glaeser et al (1992), ao testar (8) para algumas cidades americanas, encontrou uma relação negativa entre a especialização (economias marshallinas) e o crescimento do emprego industrial, resultado contrário ao esperado teoricamente. Já para a variável “competição local” obteve um coeficiente positivo e estatisticamente significativo, inferindo que mais empresas de um setor i eleva o crescimento do emprego desse setor, corroborando a hipótese de Porter e Jacobs. Da mesma maneira, ratificou-se a interpretação de Jacobs quanto a relevância da diversificação industrial para se auferir um crescimento da indústria, demonstrando a importância dos spillovers do conhecimento interindustrial para a concentração produtiva.

3. METODOLOGIA

A hipótese central desse trabalho é de que as externalidades de aglomeração são importantes para o crescimento industrial dos municípios paranaenses. Nesse sentido, identificou-se tal efeito por meio da análise do crescimento dessas externalidades em cada setor de cada município, verificando em quais a taxa de crescimento da indústria apresenta-se mais intensa.

Isto é, estimou-se (8) para cada setor selecionado, considerando os 399 municípios do Paraná. A proxy utilizada para mensurar a dinâmica da indústria de cada setor correspondeu a variação do emprego formal [log (emprego final/emprego inicial)], com dados da Rais. Escolheu-se os dez setores (classificação CNAE 95- DIV) que detinham a maior participação na geração do emprego industrial no ano inicial (2000).

Conforme descrito na equação (8), o crescimento do emprego de um segmento industrial de um município depende da especialização dessa indústria naquele município, da concorrência local e da diversidade industrial existente.

No caso da especialização, ela foi medida por meio do quociente locacional (QL), conforme aplicado em Glaeser et al (1992):

QLij=[( Eij

E j )/(Eip

Ep )] (9)

Em que E refere-se ao emprego; i é o segmento industrial; j refere-se ao município paranaense; p refere-se ao emprego do Paraná. Valor acima de “um” significa uma sobre representação daquela indústria no município j, indicando uma especialização produtiva.

A concorrência local (CL) foi mensurada pela equação (10). Nela, tem-se o emprego (E) por estabelecimento (ES) da indústria i no município j em relação ao emprego por estabelecimento dessa indústria a nível estadual. Se o valor obtido for inferior a unidade tem-se uma concorrência local maior que à média paranaense, inferindo uma competitividade no município maior que em outros municípios do Estado.

CLij=[( Eij

ESij)/( Eip

ESip)] (10)

No caso da diversificação, utilizou-se o Índice de Hirschman-Herfindal Modificado - HHM (11’), representando as economias de diversificação. Como o Hirschman-Herfindal (HH) mede a concentração, então reduziu o valor obtido em (11) de uma unidade, obtendo uma medida de diversificação (11’), de modo que, quanto maior seu valor, mais diversificada é a estrutura industrial de j.

HH j=∑j=1

n [( Eij

E j)−( Eip

E p)]

2

(11)

HHM j=1−HH j (11a)

Além das medidas de externalidade e de competitividade, incluiu-se três variáveis de controle, buscando identificar a importância das características iniciais, sendo: emprego inicial da indústria i, o salário inicial de i e a mudança no emprego estadual do setor i. Glaeser et al (1992) inferem que as empresas buscam regiões cujos salários iniciais são menores, além do que, o nível inicial de emprego da indústria i pode sinalizar a existência de benefícios de produção para aquele setor, mesmo que este ainda não seja sobre representado naquele município. A inclusão da variável “mudança no emprego estadual da indústria i (MEP)” tem o objetivo de captar as alterações locais do setor decorrentes das mudanças na demanda da indústria estadual, calculada por (12):

MEPi=log ( Eip t+1

Eipt) (12)

Isto posto, os modelos que foram estimados para cada setor selecionado corresponderam a (13).

log( E t+1

Et)¿=β0+β1QL¿+β2 HHM ¿+ β3 HHMQ¿+ β4CL¿+β5 W ¿+β6 E¿+β7 MEP¿+ε (13)

Em que: E refere-se ao emprego; t é o ano; i é o setor industrial que está sendo analisado; QL é o quociente locacional; HHM é o Índice de Hirschman-Herfindal Modificado; CL é a concorrência local; W é o salário; MEP refere-se a mudança no emprego estadual da indústria i.

Ressalta-se que para a variável HHM utilizou-se a forma funcional quadrática, seguindo os procedimentos metodológicos de Klein e Crafts (2015), buscando mensurar os efeitos das deseconomias de aglomeração. Segundo os autores, as externalidades de diversificação dependem do tamanho dos municípios, inferindo ter um efeito negativo sobre a dinâmica industrial quando o porte é pequeno e positivo quando são município de médio e alta densidade demográfica.

Como estratégia empírica para (13), construiu-se um painel de dados espaciais (dada a suposição de dependência espacial, comprovada pelas estatísticas apresentadas na análise previa2), considerando os 399 municípios do Paraná, nos anos de 2000, 2005, 2010 e 2015. O uso de painel de dados espaciais visa controlar a heterogeneidade espacial não observável que se manifesta nos parâmetros da regressão, principalmente no intercepto. A heterogeneidade espacial deve ser controlada ou por meio da utilização de modelos de efeitos fixos ou de efeitos aleatórios, cuja escolha foi feita com base no teste de Hausman, optando pelo modelo de efeito fixo em todos os setores (conforme pode ser observado no Apêndice A).

A especificação geral do modelo de efeitos fixos espacial pode ser representada por (14).

y t=α+ ρW 1 y t+ X t β+W 1 X t τ+ξt ξ t=λ W 2 ξ t+εt

(14)

Em que: α é a heterogeneidade não observada; ρ e λ são parâmetros espaciais escalares; τ é um vetor de coeficientes espaciais; W é a matriz de ponderação espacial; W1yt corresponde à defasagem espacial da variável dependente; W1Xt são as variáveis explicativas exógenas defasadas espacialmente; W2ξt representa o termo de erro defasado espacialmente. Partindo desse modelo geral e impondo algumas restrições acerca do comportamento dos parâmetros ρ, τ e λ, pode-se especificar diferentes formas de modelos de efeitos fixos espaciais.

Neste artigo, testou-se quatro especificações: defasagem espacial (SAR), modelo de erro espacial (SEM), Durbin espacial (SDM) e Durbin espacial do erro (SDEM). No caso do SAR, a especificação indica que mudanças na variável explicativa de uma região afetam não apenas a própria região pelo efeito direto, mas podem afetar o valor da variável dependente em todas as regiões por meio dos efeitos indiretos (ALMEIDA, 2012). Esses efeitos indiretos são interpretados como transbordamentos espaciais, representados porρ . Nos modelos do tipo SEM, a dependência espacial se manifesta no termo de erro, destacando que os erros associados com qualquer observação são uma média dos erros nas regiões vizinhas, somadas a um componente aleatório. Tal modelo informa que os efeitos sobre a variável dependente não resultam apenas do choque (representado pelo termo erro) de uma região, mas do transbordamento de choques oriundos de outras regiões vizinhas, os quais são captados por λ. O modelo SDM incorpora-se a ideia do transbordamento por meio da defasagem das variáveis explicativas (WX), acrescida da defasagem da variável dependente (ρ ). Por fim, no SDEM incorpora-se o transbordamento por meio da defasagem das variáveis explicativas (WX), acrescido o transbordamento de choques oriundos de outras regiões vizinhas (λ).

Para escolher qual o modelo que melhor se ajusta aos dados, utilizou-se o critério de informação de Akaike e também a analise espacial dos resíduos de cada modelo (escolhendo aquele que eliminou numa magnitude maior a dependência espacial dos resíduos – Apêndice A). Dos dez modelos estimados, dois tiveram o SAR como mais apropriado, quatro o modelo SEM e outros quatro não apresentaram dependência espacial quando se analisou o resíduo do MQO (mínimo quadrado ordinário), e, por isso, estimou por painel convencional. Por fim, para os modelos espaciais, a escolha da matriz de defasagem levou em conta o tipo de matriz que melhor modelou a dependência espacial do erro, estando no Apêndice A os resultados.

4. AGLOMERADOS PRODUTIVOS DO PARANÁ E SEUS DETERMINANTES

2 Fez-se uma análise exploratória dos dados espaciais antes de se apresentar os resultados econométricos, calculando a estatística I de Moran para o emprego industrial, e para a variação do emprego industrial de cada setor. Valor positivo e estatisticamente significativo para o I de Moran indica uma concentração da variável que está se analisando, de maneira que altos valores tendem a estar rodeados espacialmente por valores igualmente elevados (e vice-versa). Um coeficiente negativo e estatisticamente significativo infere uma tendência de dispersão, de modo que valores elevados de uma variável tendem a estar rodeados por baixos valores (e vice-versa). Ter um I de Moran não estatisticamente significativo reflete aleatoriedade espacial da variável analisada (ALMEIDA, 2012)

Quando uma empresa se instala numa região gera-se, teoricamente, externalidades que beneficiam, ex post, o desenvolvimento de outras atividades produtivas. Portanto, a disposição inicial das firmas apresenta-se como fundamental para o desenvolvimento industrial de uma região. No caso do Paraná, o setor industrial era altamente concentrado no início dos anos 2000, com 49% dos empregos estando localizados em apenas 2,5% dos municípios paranaenses. Em 2015 manteve-se a centralização espacial da atividade produtiva, no entanto, a participação dos dez principais municípios formadores de empregos industriais (ou seja, 2,5% dos municípios) reduziu-se para 40% do emprego industrial, evidenciando uma queda (embora pequena) da concentração industrial ao longo do Estado.

Tabela 1 - Dez municípios com maior contribuição para a formação do emprego industrial – municípios do Paraná – 2000 e 2015

2000 2015Município Emprego % Município Emprego %

Curitiba 67.308 19,2 Curitiba 81.438 12,7Londrina 19.612 5,6 São José dos Pinhais 30.667 4,8Maringá 16.581 4,7 Maringá 28.335 4,4São José dos Pinhais 16.493 4,7 Londrina 23.025 3,6Ponta Grossa 10.987 3,1 Cascavel 18.255 2,8Arapongas 10.532 3,0 Toledo 16.939 2,6Toledo 7.963 2,3 Arapongas 15.549 2,4Pinhas 7.678 2,2 Ponta Grossa 15.422 2,4Campo Largo 7.657 2,2 Araucária 14.724 2,3Apucarana 7.583 2,2 Apucarana 12.557 2,0Total 172.394 49,0 Total 256.911 39,9Fonte: Rais, com dados organizados pela pesquisa.

Na Figura 1(a,b) é possível visualizar a distribuição espacial dos empregos industriais no Estado do Paraná, no 2000 e em 2015, nota-se que ambos os mapas possuem o mesmo perfil, concentrando os maiores valores no entorno do estado e um grande vazio no centro. É importante destacar que especialmente no envoltório, nos municípios que já apresentavam uma alta porcentagem do emprego industrial, é que se teve às maiores variações do emprego; isso é reforçado na Figura 1(c). De uma maneira geral, isso corrobora com os argumentos teóricos (por exemplo, de Krugman, 1991) que destacam a geração de externalidades em locais que possuem alta densidade produtiva. Os autores afirmam que a concentração espacial de empresas acaba atraindo outras empresas à região, iniciando um processo virtuoso de desenvolvimento.

Figura 1 - Distribuição do emprego industrial em 2000 (a), 2015 (b) e variação 2000/2015 (c) – municípios paranaenses.

(a) 2000 (b) 2015

(c) Variação 2000/2015

Fonte: Rais, com dados organizados pela pesquisa.Uma análise superficial da distribuição espacial dos empregos industriais nos anos de 2000

e 2015 dá a entender que a distribuição dessa variável não é aleatória no espaço, pelo contrário, apresenta um forte componente espacial, isso significa que um munícipio terá uma probabilidade maior de se industrializar se estiver localizado geograficamente próximo a um município industrializado; e terá uma probabilidade menor se estiver geograficamente isolado; essa hipótese é ratificada pelo coeficiente I de Moran, apresentado na Tabela 2. Nota-se que os valores são positivos, e estatisticamente significativos, em todas as convenções que foram testadas, inferindo que, na média, municípios com altos montantes de empregos industriais estavam cercados por vizinhos com elevados valores (e vice-versa). Ao mesmo tempo, ao comparar os valores dos coeficientes de 2000 versus 2015 observa-se um aumento dos coeficientes, indicando um processo de intensificação da concentração espacial da indústria em pontos específicos do Paraná.

Tabela 2 - Coeficiente I de Moran para o emprego industrial e para a variação do emprego – municípios do Paraná – 2000 e 2015.

Variáveis Rainha 4 vizinhos

10 vizinhos

15 vizinhos

20 vizinhos

Emprego 2000 0,16* 0,11* 0,10* 0,07* 0,05*Emprego 2015 0,20* 0,15* 0,13* 0,09* 0,06*Var. emprego 0,19* 0,17* 0,14* 0,10* 0,06*

Fonte: Resultado da Pesquisa.Nota: * significativo a um nível de 5% com 99999 permutações.

Tais resultados sinalizam para a existência de externalidades decorrentes da aglomeração da atividade produtiva, dinamizando a industrialização no decorrer do tempo. A literatura infere dois tipos de aglomerações capazes de produzir externalidades: a especializada e a diversificada. Na primeira, tem-se o agrupamento de empresas da mesma indústria, atraindo mão-de-obra especializada, fornecedores, serviços, bem como gerando spillovers de tecnologia, dentre outros. Esses elementos geram externalidades, atraindo novas empresas da mesma indústria, suscitando um processo cumulativo positivo para o local, com a indução do crescimento do setor especializado

(MARSHALL, 1890; PORTER, 1990). No caso do aglomerado diversificado, tem-se a concentração de empresas de diferentes indústrias, que também se beneficiam das externalidades geradas num aglomerado, como, por exemplo, a disponibilidade de infraestrutura, a concentração de mão-de-obra, o mercado consumidor, além de se ter spillovers tecnológicos entre as firmas de diferentes indústrias, etc (JACOBS, 1969).

Partindo dessas hipóteses é que se testou a importância das economias de especialização e de diversificação na dinâmica industrial dos municípios paranaenses. E para isso, analisou-se os dez segmentos industriais com maior participação no emprego industrial em 2000, responsáveis por 80,98% dos empregos industriais do Paraná (Tabela 3). No total, esses setores foram responsáveis pelo incremento de 246.042 postos de trabalho entre 2000 e 2015, em que, com exceção da “fabricação de produtos de madeira”, todos tiveram incremento de suas vagas, dinamizando-se no decorrer do tempo.

Tabela 3 - Dez principais segmentos industrias do Paraná – 2000

Segmento Industrial Emprego2000

Participação(%)

Variação 2000/2015

Fabricação de produtos alimentícios e bebidas 70.589 20,10 121.798Fabricação de produtos de madeira 44.361 12,63 -7.839Confecção de artigos do vestuário e acessórios 34.636 9,86 25.008Fabricação de móveis e indústrias diversas 30.179 8,59 13.338Fabricação e montagem de veículos automotores, reboques e carrocerias

20.411 5,81 12.891

Fabricação de máquinas e equipamentos 18.928 5,39 27.758Fabricação de produtos de metal, exceto máquinas e equipamentos

18.246 5,20 19.008

Fabricação de produtos de minerais não metálicos 18.080 5,15 11.814Fabricação de artigos de borracha e plástico 15.055 4,29 14.199Fabricação de celulose, papel e produtos de papel 13.931 3,97 8.067Total (segmentos selecionados) 635.626 80,98 246.042

Fonte: Rais, com dados trabalhados pela pesquisa

Na Figura 2 tem-se a disposição inicial de cada segmento industrial e sua variação entre 2000 e 2015. Percebe-se que aqueles setores menos intensivos em tecnologia, como é o caso da “fabricação de produtos alimentícios e bebidas” e “fabricação de produtos de madeira”, estavam mais dispersos ao longo do Estado. Isso é ilustrado pela estatística I de Moran, indicando que todos os setores tinham um padrão de concentração espacial, no entanto, os setores com maior conteúdo tecnológico apresentavam um coeficiente maior, resultando numa concentração espacial mais elevada.

Com efeito, setores de baixa tecnologia estão relacionados especialmente com a atividade primária, a qual é distribuída de maneira bastante homogenia ao longo do Paraná. Já os setores mais intensos em tecnologia têm especificidades que fazem com sua distribuição seja mais restrita, estando mais perto dos grandes centros nos quais a disponibilidade de serviços especializados, mão de obra qualificada, etc, são mais abundantes. Esses elementos justificam a maior aleatoriedade

espacial dos setores de baixa tecnologia, e a maior concentração espacial das indústrias mais intensas em tecnologia.

Outro elemento importante observado na Figura 2 refere-se à correlação existente entre os mapas de distribuição do emprego e os de variação dos postos de trabalho, tendendo a ter altos valores para este último especialmente naqueles espaços que se tinha um nível de emprego inicial elevado. Tal fato sugere uma intensificação da composição dos aglomerados já existentes no Paraná, com transbordamentos para os municípios vizinhos. Esta evidência pode ser ratificada por meio do I de Moran bivariada da Tabela 4.

Figura 2 - Empregos dos segmentos industriais selecionados em 2000 e variação dos postos de trabalho entre 2000/2015 – municípios paranaenses.

(continua)Emprego 2000 Variação 2000/2015

(a) Confecção de artigos do vestuário e acessórios

(b) Fabricação de artigos de borracha e plástico

(c) Fabricação de celulose, papel e produtos de papel

(d) Fabricação de máquinas e equipamentos

(e) Fabricação de móveis e indústrias diversas

(f) Fabricação de produtos alimentícios e bebidas

(g) Fabricação de produtos de madeira

(h) Fabricação de produtos de metal, exceto máquinas e equipamentos

(i) Fabricação de produtos de minerais não metálicos

(j) Fabricação e montagem de veículos automotores, reboques e carrocerias

Fonte: Elaborado pelos autores com os dados da Rais.

Tabela 4 - Coeficiente I de Moran Bivariado para a variação do emprego e o emprego inicial dos setores selecionados – municípios do Paraná – 2000 e 2010.

Setor Rainha 4 vizinhos 10 vizinhos 15 vizinhos 20 vizinhosA 0,05* 0,05* 0,04** 0,03** 0,04**B 0,20* 0,23* 0,22* 0,21* 0,21*C 0,13* 0,10* 0,11* 0,09* 0,10*D 0,16* 0,14* 0,12* 0,10* 0,10*E 0,15* 0,12* 0,09* 0,10* 0,09*F 0,07* 0,11* 0,05* 0,04** 0,05*G 0,07* 0,04** 0,04** 0,04** 0,04**H 0,16* 0,17* 0,13* 0,10* 0,11*I 0,10* 0,10* 0,09* 0,10* 0,08*J 0,15* 0,16* 0,19* 0,11* 0,09*

Fonte: Resultado da Pesquisa.Nota: * significativo a um nível de 5%; ** significativo a um nível de 10%, com 99999 permutações.

Neste contexto, dado que se teve uma intensificação da industrialização ao longo do Paraná, beneficiando especialmente os pontos e as proximidades de onde já se tinha uma industrialização inicial, investigou-se os fatores determinantes dessa dinâmica. Em específico, parte da literatura elenca a especialização industrial como principal indutora do processo de concentração espacial da atividade produtiva, enquanto outros defendem a diversificação industrial.

Conforme os dados reportados na Tabela 5, nota-se que no Estado do Paraná, dentre os dez setores analisados, todos foram influenciados positivamente pela especialização produtiva. Ou seja, quando se tem uma indústria sobre representada num município tem-se, na média, uma elevação do nível de emprego daquele setor no período seguinte, consequência direta das externalidades geradas pela concentração industrial. E dentre os setores selecionados, o de “Fabricação e montagem de veículos automotores, reboques e carrocerias” se apresentou como o mais sensível, com impacto superior da especialização sobre o seu crescimento. Assim, ter uma indústria já consolidada num espaço acarreta efeitos de atração de novas firmas dessa indústria, as quais são induzidas com vistas a se beneficiar das economias de aglomeração existentes, dinamizando a atividade naquele município.

No caso da diversificação industrial, somente foi estatisticamente significativa para a “Fabricação de produtos alimentícios e bebidas” e para a “fabricação de produtos da madeira”. Nestes setores, seu efeito inicial foi negativo até determinando ponto, a partir do qual passou a ter um efeito positivo na dinâmica industrial. Klein e Crafts (2015), ao analisar as cidades-industriais dos Estados Unidos entre 1880 e 1930, também captaram um efeito inicial negativo para alguns

setores, o qual se transformou em positivo conforme a cidade se desenvolvia. Dessa forma, o impacto da diversificação para esses dois setores paranaenses vai depender do porte do município: para os pequenos, o efeito é negativo, já para os municípios com porte maior é possível identificar um efeito positivo na dinâmica industrial. A falta de significância estatísticas para os demais setores pode estar atrelado à menor dependência local dos mesmos, não se beneficiando significativamente das externalidades geradas por outras indústrias, mas exclusivamente das que são produzidas pela especialização do próprio setor.

Portanto, considerando os dez setores industriais analisados para o estado do Paraná, as evidências empíricas apontam que os efeitos de especialização à la Marshall (1890) e Porter (1990) predominam em relação à economias de diversificação de Jacobs (1969).

O modelo empírico estimado também permite identificar o grau de competição da indústria e o seu efeito sobre o crescimento setorial. Neste escopo, Porter (1990) destaca que uma maior competição tende a gerar maiores benefícios para o desenvolvimento industrial do que uma estrutura monopolista, devido à pressão por inovar ser maior em um ambiente competitivo. Por outro lado, Marshall (1980) defende uma indústria com maior grau de monopólio, pois o impacto na dinâmica industrial tenderia a ser mais elevado dada a certeza dos lucros da inovação. Os resultados demonstram que a hipótese de Marshall (1890) é mais coerente com a realidade dos setores industriais paranaenses. Nesse caso, dos dez setores analisados, cinco tiveram um coeficiente negativo e estatisticamente significativo, ou seja, quanto menor a concorrência (ou quanto maior o tamanho das firmas), maior tende a ser o crescimento da industrial.

A variável “mudança no emprego estadual da indústria (MEP)” buscou identificar aqueles setores que se apresentaram sensíveis às mudanças locais decorrentes das mudanças na demanda da indústria estadual. Para quatro setores, essa variável se apresentou positiva e estatisticamente significativa, de maneira que, quando a dinâmica estadual se intensifica por fatores exógenos, localmente se tem uma movimentação positiva. Ou seja, esses quatro setores são sensíveis às ações externas, afetando diretamente a sua dinâmica.

Buscando identificar a importância das características iniciais, inclui-se nas estimativas o emprego e o salário inicial de cada setor. Glaeser et al (1992) afirma que as empresas buscam regiões cujos salários iniciais são menores, fenômeno constatado em seis setores paranaenses, de modo que a variação do emprego de cada indústria responde, na média, negativamente ao seu salário inicial.

No caso do emprego inicial da indústria, Glaeser et al (1992) advoga a existência de benefícios de produção para os setores que tem um nível alto de emprego no período inicial, mesmo que este setor não esteja sobre representado na região. No caso do Paraná, apenas a “ Fabricação de artigos de borracha e plástico” teve um coeficiente significativo, embora com sinal contrário ao esperado. Assim, municípios que tem altos níveis de postos de trabalho têm, na média, um crescimento menor do emprego no período seguinte, indicando a existência de um fenômeno de convergência do emprego desse setor ao longo do Paraná. Portanto, pode-se inferir que a indústria de “fabricação de artigos de borracha e plástico” está num processo de convergência do seu emprego ao longo do Paraná, beneficiando principalmente aqueles municípios que estão mais próximos dos pontos iniciais de localização dessa indústria.

Por fim, analisou-se o efeito espacial da dinâmica do emprego industrial (Tabela 5). Destarte, seis estimativas apresentaram um efeito espacial significativo, sendo: “Confecção de artigos do vestuário e acessórios”; “Fabricação de produtos alimentícios e bebidas”; “Fabricação de artigos de borracha e plástico”; “Fabricação de celulose, papel e produtos de papel”; “Fabricação de máquinas e equipamentos”; “Fabricação de móveis e indústrias diversas”. Nos dois primeiros setores, o efeito espacial foi modelado na variável dependente, ou seja, quando um município eleva o seu crescimento do emprego, o seu envoltório, na média, se beneficia, acrescentando empregos desses setores, efetivando, assim, um processo de transbordamento3. No caso dos outros quatro setores, também se teve um impacto do espaço na dinâmica do crescimento do emprego, contudo, o choque se deu no termo de erro, ou seja, nos fatores não incluídos nas estimativas. Sendo assim, os

3 No Apêndice B tem-se os impactos diretos, indiretos e totais desses dois setores para cada variável explicativa.

resultados corroboram a expectativa teórica de intensificação da atividade produtiva em pontos específicos do espaço, beneficiando o envoltório com as externalidades geradas, e, num processo cumulativo, concentrando a indústria especialmente em municípios vizinhos.

Tabela 5 - Regressão para cada setor selecionado – municípios do Paraná – 2000, 2005, 2010 e 2015.

VariáveisSetores selecionados da indústria e método utilizado

(A)SAR

(B)SEM

(C)SEM

(D)SEM

(E)SEM

(F)SAR

(G)EF

(H)EF

(I)EF

(J)EF

HHM 0,02(0,94)

0,03(0,87)

0,04(0,38)

0,67(0,27)

-0,59(0,33)

-0,19*(0.05)

-0,13*(0,05)

0,72(0,31)

-0,03(0,70)

0,22(0,67)

HHMQ -0,01(0,83)

-0,05(0,91)

-0,05(0,31)

-0,53(0,37)

0,62(0,30)

0,19*(0,05)

0,01*(0,05)

-0,76(0,29)

0,15(0,83)

-0,23(0,66)

MEP 0,10*(0,01)

0,05(0,22)

0,18*(0,01)

0,55(0,23)

1,12*(0,02)

0,18*(0,00)

-0,51(0,30)

0,20(0,59)

-0,57(0,43)

-0,40(0,07)

CL -0,07(0,30)

-0,02(0,00)

-0,01*(0,00)

-0,05(0,64)

-0,0002(0,42)

-0,06*(0,02)

-0,32*(0,00)

-0,24*(0,00)

-0,14*(0,05)

-0,17(0,28)

EMin -0,0002(0,54)

-0,0009*(0,03)

0,0008(0,08)

-0,0002(0,31)

-0,08(0,15)

-0,00009(0,46)

0,0002(0,51)

-0,0005(0,08)

-0,014(0,08)

0,00003(0,79)

QL 0,41*(0,00)

0,20*(0,00)

0,15*(0,00)

0,34*(0,00)

0,30*(0,00)

0,05*(0,00)

0,25*(0,00)

0,20)*0,00)

0,09*(0,00)

0,88*(0,00)

W -0,0004(0,68)

0,000005(0,59)

-0,00006(0,10)

-0,0009*(0,00)

-0,003*(0,00)

-0,00002(0,69)

-0,0005*(0,00)

-0,001*(0,00)

-0,0004*(0,00)

-0,0007*(0,00)

ρ 0,12*(0,04)

- - - -0,07*(0,05)

- - - -

λ 0,15*(0,04)

-0,25*(0,00)

0,15*(0,04)

0,08*(0,05)

- - - -

Fonte: Resultado da pesquisaNota: QL é o quociente locacional; HHM é o Índice de Hirschman-Herfindal Modificado; HHMQ é o Índice de Hirschman-Herfindal Modificado ao quadrado; CL é a concorrência local; W é o salário; MEP refere-se a mudança no emprego estadual da indústria i; EMin é o emprego inicial. * Significativo a um nível de 5%; ** Significativo a um nível de 10%. SAR refere-se ao modelo de defasagem espacial; SEM ao modelo de erro espacial; EF é o modelo de efeito fixo, estimado por painel convencional.Setores: (A) Confecção de artigos do vestuário e acessórios; (B) Fabricação de artigos de borracha e plástico; (C ) Fabricação de celulose, papel e produtos de papel; (D) Fabricação de máquinas e equipamentos; (E) Fabricação de móveis e indústrias diversas; (F) Fabricação de produtos alimentícios e bebidas; (G) Fabricação de produtos de madeira; (H) Fabricação de produtos de metal, exceto máquinas e equipamentos; (I) Fabricação de produtos de minerais não metálicos; (J) Fabricação e montagem de veículos automotores, reboques e carrocerias.

CONSIDERAÇÕES FINAIS

O desenvolvimento da atividade industrial não ocorre de maneira homogênea numa região, pelo contrário, se concentra em alguns pontos específicos. No Estado do Paraná os aglomerados produtivos se concentram, principalmente, no envoltório do estado, permanecendo um grande vazio na região central. A partir disso, o principal objetivo do presente trabalho foi verificar qual dos dois fatores, especialização ou diversificação, é o maior responsável pela formação dos aglomerados produtivos no Estado do Paraná. Os resultados evidenciaram uma superioridade das externalidades decorrentes da especialização produtiva em detrimento da diversificação.

Todos os setores analisados apresentaram um impacto positivo da especialização produtiva sobre o crescimento industrial; assim, a busca por economias externas induz a instalação de novas firmas próximas às outras da mesma indústria, se beneficiando das economias externas decorrentes dessa proximidade. Dentre esses benefícios tem-se a atração de mão-de-obra especifica para o aglomerado, estando disponíveis para todas as firmas daquela indústria, além de se ter spillovers de tecnologia resultantes do encadeamento produtivo existente, bem como dos próprios vazamentos de conhecimentos entre empresas similares. Ademais, a atração de serviços especializados também se torna um benefício para que outras firmas da mesma indústria venham se instalar ex post na região.

É importante destacar a constatação de um efeito espacial na dinâmica da industrialização paranaense. Boa parte dos setores apresentaram essa característica, e, por isso, pode-se inferir que a indução do processo produtivo de um ponto no espaço pode gerar tensões e repercussões que afetam também o processo industrial do seu envoltório.

Partindo especialmente desses dois resultados - externalidade de especialização e efeitos espaciais -, políticas industriais podem elevar o ritmo do desenvolvimento produtivo paranaense especialmente se focarem na identificação de quais indústrias cada município é especializado, e quais seriam os municípios com maior capacidade de gerar excedentes para seu envoltório, focando seus recursos em poucos pontos, os quais dinamizariam ex post boa parte do Estado.

A ação da política poderia se dar especialmente no melhoramento das externalidades que naturalmente se teria, acelerando-as, citando como exemplo: formação de infraestrutura específica para a indústria especializada de cada município; qualificação da mão-de-obra dessa indústria, e; desenvolvimento tecnológicos, com parecerias entre as empresas, o poder público, e as universidades, no sentido de desenvolver e/ou melhorar a tecnologia aplicada na linha de produção e nos produtos, bem como na solução de gargalos das firmas de cada setor.

No caso das externalidades de diversificação, somente para dois setores se apresentou significativa, e nesses dois casos, seu efeito só se inicia dado um determinado porte do município. Por isso, como ainda é bastante heterogênea a distribuição industrial do Estado, tendo áreas com vazios de industrialização, e dado que ainda se tem um nível elevado de municípios de pequeno porte, tal estratégia de industrialização deveria ficar num segundo plano, priorizando a industrialização especializada.

REFERÊNCIAS BIBLIOGRÁFICAS

ALMEIDA, E. Econometria espacial aplicada. Campinas: Editora Alínea. 2012

GLAESER, E. L.; KALLAL, H.D.; SCHEINKMAN, J.; SHLEIFERL, A. Growth in Cities. Journal of Political Economy, Chicago, v.100, n.6, p.1126-1152, 1992.

HIRSCHMAN, Albert O. The strategy of economic development. New Haven: Yale University Press. 1958

JACOBS, J.. The Economy of Cities.Vintage, New York, 1969.

KLEIN, A.; CRAFTS, N. Agglomeration Economies and Productivity Growth: U.S. Cities, 1880-1930, CAGE Online Working Paper Series, Competitive Advantage in the Global Economy (CAGE), 2015.

MARSHALL, A. Principles of Economics. Macmillan, London, 1890.

Porter, M.. The Competitive Advantage of Nations. New York. 1990

_________. Location, competition and economic development: Local clusters in a global economy. Economic Development Quarterly, 14:15–34. 2000.

SABOIA, J.; KUBRUSLY, L. S. Diferenciais regionais e setoriais na indústria brasileira. Economia Aplicada, v. 12, n.1, 2008.

APÊNDICES

Apêndice A - Testes econométricos, I de Moran dos resíduos os modelos espaciais e tipo de matriz utilizada nos modelos espaciais.

Testes Setores industriaisA B C D E f G H I J

Hausman 245,6* 46,4* 86,5* 109,6* 63,7* 134,4* 116,9* 71,6* 21,5* 103,7*

Pesaran 5,6* 153,6* 166,8* 35,4* 48,6* 5,1* 2,1 0,14 1,40 2,1I de Moran do Resíduo

-0,008 0,0007 -0,04 0,002 -0,001 0,006 - - - -

Matriz de defasagem 15

vizinhos

15 vizinho

s

15 vizinhos

15 vizinhos

Rainha

4 vizinhos - - - -

Fonte: Resultado da pesquisaNota: * Significativo a um nível de 5%.Setores: (A) Confecção de artigos do vestuário e acessórios; (B) Fabricação de artigos de borracha e plástico; (C ) Fabricação de celulose, papel e produtos de papel; (D) Fabricação de máquinas e equipamentos; (E) Fabricação de móveis e indústrias diversas; (F) Fabricação de produtos alimentícios e bebidas; (G) Fabricação de produtos de madeira; (H) Fabricação de produtos de metal, exceto máquinas e equipamentos; (I) Fabricação de produtos de minerais não metálicos; (J) Fabricação e montagem de veículos automotores, reboques e carrocerias.

Apêndice B - Efeitos indiretos, diretos e totais dos modelos tipo SARIndustria Impacto HH HHQM MEP CL EMin QL W

A Direto 0,08 -0,05 0,01* -0,06 -0,0002 0,04* -0,00003

Indireto 0,01 -0,002 0,01 -0,008 -0,00002 0,06 -0,000004

Total 0,09 -0,04 0,01* -0,07 -0,0002 0,04* -0,00003

FDireto -0,19* 0,19* 0,18* -0,06* -0,00009 0,05* -0,00002

Indireto 0,13 -1,33 -0,12 0,004 0,000006 0,03 0,000001

Total -0,17* 0,18* 0,16* -0,06* -0,00008 0,04* -0,00001

Fonte: Resultado da pesquisaNota: QL é o quociente locacional; HHM é o Índice de Hirschman-Herfindal Modificado; HHMQ é o Índice de Hirschman-Herfindal Modificado ao quadrado; CL é a concorrência local; W é o salário; MEP refere-se a mudança no emprego estadual da indústria i; EMin é o emprego inicial. * Significativo a um nível de 5%.