AVALIAÇÃO DO DESENVOLVIMENTO MUNICIPAL DO ESTADO DE MATO GROSSO APLICANDO ANÁLISE MULTIVARIADA

Transcrição

1 AVALIAÇÃO DO DESENVOLVIMENTO MUNICIPAL DO ESTADO DE MATO GROSSO APLICANDO ANÁLISE MULTIVARIADA Carlos Edison Zambrano Wildson Justitiano Pinto Resumo: O objetivo deste artigo é mostrar as diferenças econômicas e sociais da população dos municípios mato-grossenses, reduzindo um conjunto de dados estatísticos maiores para possibilitar a hierarquização destes no contexto global do estado. Como suporte teórico, utilizou-se a teoria de desenvolvimento regional e são calculados 17 indicadores de desenvolvimento para 126 municípios através do uso de análise multivariada. Combinando-se análise de agrupamento e análise fatorial foram identificados, quatro grupos de municípios com características sociais, produtivas e econômicas bastante diferenciadas. Palavras-chaves: Desenvolvimento municipal, indicadores, análise fatorial, análise de agrupamento 1. INTRODUÇÃO O objetivo do presente trabalho é mostrar as diferenças econômicas e sociais da população dos municípios mato-grossenses, reduzindo um conjunto de dados estatísticos maiores para possibilitar a hierarquização destes no contexto global do estado. A problemática das disparidades de desenvolvimento regional no Brasil tem sido objeto de estudo ao longo dos anos, principalmente com a obtenção de índices de desenvolvimento humano (IDH). Em geral, o que ressalta do índice de desenvolvimento humano é que se limita para cada município ao calculo de uma média aritmética simples dos índices referentes à longevidade, educação e renda, não tendo em vista o caráter multidimensional do conceito de regionalização municipal que requer incluir outras características naturais, sociais e econômicas. Neste sentido é que neste artigo se procura selecionar indicadores de desenvolvimento municipal e ao mesmo tempo testar a hipótese da validade dos índices de desenvolvimento humano que foi estabelecido em conjunto pelo Programa das Nações Unidas, Instituto de Pesquisa Econômica Aplicada, Fundação João Pinheiro e Fundação Instituto Brasileiro de Geografia e estatística. Sendo que regionalizar um estado significa dividir um espaço maior em partes menores, com o objetivo de facilitar

2 a administração e o planejamento dos governantes e/ou das empresas, espera-se com os resultados do estudo mostrar o grau de cumprimento deste propósito. Dentro deste contexto torna-se oportuno manifestar que segundo PIAIA (1999), o Estado de Mato Grosso localiza-se na região Centro Oeste do Brasil, com dimensões de km 2 ; em relação ao contingente populacional, de acordo com os censos demográficos do Instituto Brasileiro de Geografia e Estatística (IBGE-2000) atingiu habitantes, onde o 79,35% reside na zona urbana e a densidade demográfica é de 2,77 hab/km 2. È considerado a maior fronteira agrícola em expansão no Brasil, sendo o 1º produtor nacional de soja e algodão, 2º de arroz e o 3º de bovinos. De acordo com a mesma fonte o Estado até o ano 2000 possuía cento trinta municípios (130), tendo Cuiabá como capital. 2. METODOLOGIA 2.1 Referencial Teórico O modelo conceitual deste estudo é a teoria de economia regional, que considera que a possibilidade de desenvolvimento regional sustentado depende do que ocorra com três variáveis: taxa de crescimento da oferta de trabalho, taxa de progresso técnico e participação do capital na renda. Portanto segundo esta teoria, as diferenças regionais de crescimento podem ser explicadas pelas diferenças no índice de progresso técnico, pois é razoável supor, que das três variáveis, o capital, o trabalho são mais móveis e, portanto mais fáceis de obter conforme a necessidade. A tecnologia não apresenta esta facilidade, pois exige bens de capital, instalações e plantas industriais compatíveis, que são elementos que apresentam um menor grau de mobilidade. Segundo Benítez (1997), esta idéia que fatores de produção distintos, causam diferenças no desenvolvimento regional é relevante nas explicações das disparidades regionais. De outra parte, é importante manifestar que o termo município origina-se do latim municipium, munus (oficio) + capere (tomar) que historicamente remonta ao período do governo romano: um poder público local. Os municípios mato-grossenses passaram por ambientes históricos de estruturas municipais desiguais. A primeira estrutura era tribal indígena e viveu um período apenas incoativo espanhol. Os municípios atuais tiveram inicio no ambiente de conquista do oeste brasileiro, sob conformação portuguesa, passando, a seguir, a depender das estruturas de Província, do Estado.

3 2.2. Indicadores selecionados e fonte de dados O Instituto Brasileiro de Geografia/Estatística (IBGE), oferece na Internet tabelas contendo indicadores básicos, econômicos, demográficos, produtivos e sociais para a maioria dos municípios de Brasil. Destes foram escolhidos 17 indicadores de caráter populacional, segurança pública, educação, saúde, grau de mecanização agrícola e econômicos que mais diretamente refletem o nível de desenvolvimento de Mato Grosso. Estes, com suas respectivas siglas de identificação são listadas a seguir: OOR: Óbitos ocorridos e registrados no ano para menores de 1 ano, em 1997; OVR: Óbitos violentos ocorridos e registrados no ano, em 1997; EPM: efetivo policial militar, em 1999; TA: taxa de alfabetização, % em 1997; MED: médicos credenciados pelo SUS, em 1998; RP: renda per capita, em reais, em 1997; POEA: pessoal ocupado estabelecimentos agropecuários, em 1996; EA: empresas com CGC atuantes na unidade territorial, em 1998; PO: pessoal ocupado nas empresas locais, em 1998; AEA: área de estabelecimentos agropecuários, em 1996; MP: máquinas para plantio existentes, em 1996; MC: máquinas para colheita existentes, em 1996; TRA: tratores existentes nos estabelecimentos agropecuários, em 1996; VPAV: valor da produção animal e vegetal, em mil reais, em 1996; AB: agencias bancarias, em 1998; VFPM: valor do fundo de participação dos municípios em mil reais, em 1998; VITR: valor do imposto territorial rural, em reais, em O estudo foi realizado para 126 municípios do Estado de Mato Grosso, escolhidos de forma a incluir as cidades que tivessem todas as informações necessárias. Portanto, utilizou-se uma matriz de dados com 126 linhas (municípios) e 17 colunas (variáveis). Como os dados são fornecidos em unidades e ou escalas não comparáveis, utilizou-se uma transformação de variável para torná-los adimensionais e com variação no intervalo de 0 a 1. Para tanto o valor de uma certa variável, para um determinado município, foi dividido pelo maior valor da mesma variável no conjunto dos municípios estudados. 2.3 Modelo Empírico

4 O método utilizado para avaliar o desenvolvimento sócio econômico municipal é o da técnica multivariada de análise fatorial, através do método de componentes principais, que faz com que o primeiro fator contenha o maior percentual de explicação da variância total, o segundo fator tenha o segundo maior percentual e assim sucessivamente 1. Sua utilização justifica-se pelo fato que a análise fatorial explica uma estrutura de correlação existente entre os indicadores Y = (Y 1, Y 2,...Y p ) T, diretamente através de uma combinação linear de variáveis, que não são diretamente observadas, denominadas fatores comuns, acrescidas de um componente residual. Tal modelo é expresso da seguinte forma: Y = F + ε ( 1 ) onde Y = (Y 1, Y 2,...Y p ) T é um vetor transposto de indicadores observados (px1); é uma matriz (p x k) tal que cada elemento λ ij expressa a correlação existente entre o indicador y i e o fator f j, sendo denominada matriz das cargas fatoriais, com um número k de fatores menor que o número p de indicadores; F é um vetor de fatores comuns (k x 1); e ε é o vetor de componentes residuais (p x 1). Deste modo, pode-se escrever cada variável do modelo fatorial como: y i = k j= 1 λ f + e i = 1, 2,...,p ( 2 ) ij j j A técnica estima uma matriz de cargas fatoriais para explicar o máximo possível da estrutura de correlação entre os indicadores Y px1 através dos fatores comuns, sendo que a estrutura inicial das estimativas destas cargas fatoriais não é definitiva pelo que para confirmar ou rejeitar a estrutura inicial, o método possibilita fazer uma rotação desta estrutura. Assim, utiliza-se a matriz de correlação R pxp dos indicadores do modelo (1); as colunas de pxk são formadas pelos autovetores normalizados da matriz R pxp submetida a uma rotação ortogonal dos fatores, utilizando-se o método Varimax como intuito de melhor definir o padrão de relação entre cada indicador e os fatores utilizados. Cada elemento λ ij da matriz pxk' representa o grau de correlação entre o i-ésimo indicador e o j-ésimo fator, com i = 1, 2,...p e j = 1, 2,...k; k<p. Associados à matriz R pxp também existem p autovetores ( λ λ... λ 0), que 1 2 p fornecem o percentual de variância total explicada pelos fatores, de tal modo que a soma 1 Exposição baseada em SOARES ANA CRISTINA, et al (1999)

5 ' s dos λ é igual à variância total do modelo. Podem ser obtidos componentes principais i quanto os números de variáveis primitivas, neste trabalho, não houve a necessidade da extração de um numero extenso de componentes, porque um número reduzido, as primeiras na ordem de extração é capaz de reproduzir uma grande parcela da variância total, que seria normalmente acima ou igual a 70%. Este atributo confere ao método uma qualificação maior quando comparado a outros, pois de posse de um número reduzido de componentes consegue expressar um dado fenômeno que mesmo condensado, sintetiza a variabilidade apresentada por um conjunto de outras variáveis. Conforme HOFFMANN (1992), não há critério absolutos para decidir qual é o número de fatores que devem ser extraídos, mas se forem mantidos apenas dois fatores, a posição de cada classe pode ser representada em um sistema de coordenadas cartesianas com dos eixos. Para classificar os municípios utilizou-se a análise de agrupamentos (Cluster Analysis), calculando-se a Distância Euclidiana Média entre os municípios e utilizando o algoritmo UPGMA (unweighted pair group method witch arithmetic average). Seguindo o análise proposto por CURI (1999), o resultado final da análise foi apresentado na forma de um dendograma. A utilização conjunta do dendograma do Cluster e da ordenação bidimensional dos municípios obtida na análise de componentes principais permitiu inferir, com maior segurança, os agrupamentos formados que devem ter como características a maior homogeneidade (ou similaridade) entre municípios do mesmo grupo e heterogeneidade entre municípios de diferentes grupos. Classificaram-se os municípios em quatro classes de agrupamento, em que para cada classe: { o ( j) : i nj} p( j) = i 1 ; j = 1,2,3,4 ( 3 ) onde: p( j) = classe de agrupamento j; o i ( j) = coordenada i da classe j. Assim, o centro da classe p(j), ou seja, a média das coordenadas de seus elementos, será denotado por o(j) e a soma de quadrados residuais dentro do j-ésimo grupo SQRes(j) será dada por:

6 2 SQ Re s( j) = d ( o ( j); o( j)); 1 i nj ( 4 ) i Onde d 2 representa o quadrado da distância euclidiana do elemento i, da classe j ao seu centro. Quanto maior for este valor, mais homogêneos são os elementos dentro de cada classe e melhor será a partição. 3. ANÁLISE DOS RESULTADOS 3.1 Análise preliminar dos indicadores de desenvolvimento Na Tabela 1 do apêndice A, reproduzimos a matriz de correlação, com o objetivo de estabelecer relações entre as 17 variáveis, em questão. Catorze indicadores escolhidos têm uma alta correlação entre si e três indicadores não têm nenhuma correlação. A metodologia da análise multivariada proporcionou a construção de uma matriz retangular com 17 colunas e 126 linhas, sendo as colunas a representação das variáveis de desenvolvimento municipal e as linhas a representação dos municípios do Estado de Mato Grosso. No intuito de possibilitar uma melhor compreensão os dados da matriz retangular foram submetidos a uma análise, utilizando a média aritmética simples, o desvio padrão e coeficiente de variação (Tabela 1), sendo o último uma medida relativa ou da concentração de uma distribuição, apresentando um valor independente da unidade de medida da variável analisada. TABELA 1. Média aritmética, desvio padrão e coeficiente de variação das variáveis de desenvolvimento. VARIAVEIS MEDIA ARITEM. DESVIO PADRÃO COEFICIENTE VARIAÇÃO (%) OOR 9,0 15,0 163 OVR 3,0 9,0 333 TA 8,6 4,0 5 EPM 6,0 30,0 504 MED 2,0 9,0 502 RP 3,1 13,0 43 EA 3,0 9,0 336

7 PO 2,0 9,0 501 AEA 16,0 15,0 90 POEA 28,0 2,0 71 Com. da TABELA 1 VARIAVEIS MEDIA ARITEM. DESVIO PADRÃO MP 10,0 17,0 163 MC 7,0 14,0 215 TRA 18,0 18,0 100 VPAV 13,0 17,0 130 AB 3,0 9,0 284 VFPM 6,0 9,0 144 VITR 21,0 20,0 95 Fonte: http// COEFICIENTE VARIAÇÃO (%) De acordo com a tabela 1, constata-se no interior do conjunto dos municípios matogrossenses apenas dois variáveis com coeficiente de variação menor que 50%, observa-se também, três variáveis com 50% < C.V < 100% e por fim, onze variáveis com C.V > 100%; atingindo alguns valores superiores a 500%, demonstrando, sem sombra de dúvidas, uma alta dispersão das variáveis em torno da média, ou dito de outra forma, em um processo heterogêneo do desenvolvimento dos municípios do Estado de Mato Grosso. Algumas das variáveis apresentadas merecem comentários menos generalistas, por apresentarem aspectos que os diferenciam, por serem importantes no grau de desenvolvimento. EPM (efetivo policial), MED (médicos) possui uma média aritmética em termos percentuais de apenas 6,0% e 2% respectivamente e um coeficiente de variação no patamar de 504% e 502%, demonstrando o quanto a segurança e a medicina é concentrada em um número mínimo de municípios, colocando os demais a um patamar de ínfima ou irrisória utilização. A variável, PO (população ocupada) apresenta uma média aritmética em torno de 2 % e CV > 500%, percebe-se que o emprego não é insignificante nos municípios. TA (alfabetização) possui um CV < 50%, representando um índice baixo de desenvolvimento, algo não surpreendente se considerarmos que os municípios em análise têm condições aceitáveis de escolaridade. Finalizando, observamos que as variáveis agropecuárias VBPA (valor da produção agropecuária), MC (mecanização) situa-se no intervalo, 100% < CV < 300%, significando uma produtividade da terra desigual no conjunto dos municípios.

8 3.2 Identificação dos Fatores O método das componentes principais foi aplicado, obtendo as componentes, construídas a partir das variáveis primitivas representativas dos indicadores de desenvolvimento. Os componentes extraídos foram apenas dois (2) F1 e F2 que explicam respectivamente: 44,2% e 26,9% da variância total dos dados (tabela 02), em conjunto explicam 71,10% da variância total. A limitação em dois (2) componentes é justificada pela pequena contribuição de três (3) componentes para a explicação da variância total. Após a rotação dos fatores pelo método Varimax foram obtidas as cargas fatoriais que representam os coeficientes de correlação entre cada fator e cada uma das 17 variáveis. Esses resultados são apresentados na Tabela 2, juntamente com a comunalidade, que é a proporção da variância da variável que é explicada pelos dos fatores. Verifica-se, pelas comunalidades, que as variáveis mais explicadas pelo modelo foram OVR (Óbitos violentos ocorridos), EPM (efetivo policial), MED (médicos), EA (empresas atuantes), PO (Pessoal ocupado), TRA (tratores), AB (Bancos), VFPM (valor do fundo de participação), ao passo que as menos explicadas foram TA (taxa de alfabetização), RP (renda), AEA (estabelecimentos agrícolas) e POEA (pessoal na agropecuária). O fator 1 (F 1 ), apresenta correlação positiva de moderada a alta com as variáveis OOR (Óbitos menores 1 ano), OVR (Óbitos violentos), EPM (efetivos policiais), MED (médicos) representativas ou parâmetro da escala das condições de vida; empresarial EA, PO, (empresas atuantes e nível de emprego) juntamente com AB e VFPM que também estão relacionadas positivamente com o componente F 1 e que caracterizam a presencia de agencias bancarias e o valor do fundo de participação dos Municípios. Para ficar com um nome sintético, F 1 será denominada relação condições de vida/renda.

9 TABELA 2. Cargas fatoriais, Comunalidade e percentagem de variância total correspondente a cada fator Carga fatorial para VARIÁVEIS FATOR 1 FATOR 2 COMUNALIDADE OOR 0,76 0,17 0,606 OVR 0,97 0,06 0,950 TA 0,28 0,53 0,361 EPM 0,97-0,04 0,938 MED 0,97-0,01 0,949 RP -0,18-0,11 0,042 EA 0,99 0,06 0,986 PO 0,98-0,01 0,966 AEA -0,03 0,45 0,203 POEA 0,12 0,26 0,081 MP -0,02 0,95 0,905 MC -0,04 0,92 0,853 TRA 0,04 0,96 0,917 VPAV 0,00 0,93 0,869 AB 0,99 0,10 0,982 VFPM 0,98 0,00 0,963 VITR 0,05 0,71 0,509 Variância (%) 44,2 26,9 Varimax normalizado Marked loadings are >0,70 O segundo fator (F 2 ), está altamente relacionada com as variáveis que tem que ver com a exploração da terra, é dizer MP, MC, TRA indicando utilização de mecanização (máquinas, tratores). Nota-se também que VPAV e VITR possuem relação positiva com F 2, caracterizadas por indicar, respectivamente, valor da produção animal/vegetal e o valor do imposto territorial rural em reais. Pode-se dizer que F2 reflete então o grau de desenvolvimento agropecuário. O método dos componentes principais fornece também o valor de cada um dos fatores por Unidade da Federação. Com base na análise desses fatores é possível caracterizar municípios mais ou menos homogêneos em termos das condições econômicas e sociais captadas pelos fatores. Na tabela 2 do apêndice A, apresentam-se os valores dos fatores por Município, lembrando que F1 e F2 são variáveis com média ponderada igual a zero e desviopadrão igual a 1, quando se consideram as 126 observações. Valores perto de zero indicam, portanto, um grau médio de desenvolvimento, situação de relativo atraso manifesta-se através

10 de valores negativos dos fatores e valores maiores que 1 indicam uma intensidade de desenvolvimento relativamente alta. 3.3 Regionalização do Desenvolvimento O agrupamento dos municípios foi alcançado através da análise de Cluster também denominada da Average Linkage (item 2.3) que produziu grupos com variâncias internas baixas e aproximadamente iguais entre os grupos. Na Figura 1 do apêndice B, facilita-se a visualização da distribuição dos municípios de acordo com os valores de seus fatores. Seguidamente, a partir da estruturação dos valores fornecidos foi possível montar os grupos de desenvolvimento mato-grossense, enumerados em ordem decrescente de desenvolvimento Grupo 1 Compreende 12 municípios (40,9% da população do estado), que apresentam valores positivos e altos para F1 ou F 2. Nestes municípios ocorrem os maiores graus de desenvolvimento das condições de vida/renda e tem como característica a dependência por financiamentos para cobrir custos de produção altos, principalmente do comércio. Em termos gerais, também se mostram favoráveis no grau de desenvolvimento agropecuário. TABELA 3. Relação dos municípios do grupo 1 MUNICIPIO Barra do Garças Campo Novo do Parecis Campo Verde Campos de Júlio Cuiabá Lucas do Rio Verde MUNICIPIO Nova Mutum Primavera do Leste Sinop Sorriso Tapurah Várzea Grande Com relação ao comportamento dos municípios no grupo, a população de Cuiabá dispõe de melhores condições de vida/renda (F 1 alto), mas os aspectos captados pelo fator 2 (indicadores agropecuários) não se mostram favoráveis como nos outros municípios. Entretanto, os municípios: Sinop, Primavera do Leste, Barra do Garças e Sorriso tem como característica os valores positivos para F 1 e F 2, indicando o melhor desenvolvimento das condições de vida/ renda e agropecuário. Constata-se em alguns municípios como Campo

11 Novo de Parecis, contradição entre o alto grau de desenvolvimento agropecuário (com F 2 alto) e o baixo nível de desenvolvimento das condições de vida/renda (F 1 negativo e alto) Grupo 2 Compreende 80 municípios (49,2% da população do estado), que apresentam valores positivos para F 1 e F 2, ou valores positivos altos referente a F 2 e com valores negativos baixos para F 1. Neste grupo, os municípios praticam uma agricultura modernamente tecnificada, uma vez que os componentes positivos refletem a elevada exploração da terra, conjuntamente com expressiva escala de produção e maior valor da produção agrícola. TABELA 4. Relação dos municípios do grupo 2 MUNICIPIO MUNICIPIO MUNICIPIO MUNICIPIO Água Boa Alta Floresta Alto Araguaia Alto Boa Vista Alto Garças Alto Paraguai Alto Taquari Araguiana Araputanga Arenápolis Aripuanã Barra de Bugres Brasnorte Cáceres Canabrava do Norte Canarana Castanheira Cláudia Colíder Cotriguaçu Denise Diamantino Dom Aquino Feliz Natal Figueirópolis d Oeste Glória d Oeste Guarantã do Norte Guiratinga Indiavaí Itaúba Itiquira Jaciara Juara Juína Juruena Luciara Marcelândia Matupá Mirassol d Oeste Nobres Nortelândia Nova Bandeirantes Nova Canaã do Norte Nova Guarita Nova Marilândia Nova Maringá Novo Monte Verde Nova Olímpia Nova Ubiratã Nova Xavantina Novo Mundo Novo São Joaquim Paranaíta Paranatinga Pedra Planalto da Serra Pontal do Araguaia Pontes e Lacerda Porto Alegre do Norte Porto dos Gaúchos Porto Espiridião Querência Ribeirão Cascalheira Ribeirãozinho Rondonópolis Santa Carmem Santo Alfonso São Félix do Araguaia São José do Rio Claro São J. dos Quatro M. Sapezal Tabaporã Tangará da Serra Terra Nova do Norte Tesouro Torixoreú União do Sul Vera Vila Bela Sta. Trin. Vila Rica Esse contexto se deve ao benefício da mecanização com taxas positivas de utilização ano após ano, além de utilizar fertilizantes químicos. As culturas mais importantes são: arroz, soja, milho que recebeu por muito tempo estímulo para aumentar o volume de produção em decorrência das demandas do mercado nacional e internacional.

12 Deve-se ressaltar que estes municípios são exclusivamente agropecuários e apresentam boas condições de vida/renda, segundo o resultado obtido no fator F 1. Com relação ao comportamento dos Municípios no grupo, observa-se que Tangará da Serra, Alta Floresta, Cáceres e Pontes e Lacerda que são Municípios antigos, ocupam posição de destaque nas condições de vida/renda; ao contrario Itiquira, Sapezal, Indiavaí e Riberãozinho que em sua maioria são elevados à categoria de município na década de 1990, apresentam relativo atraso nas suas condições de vida/renda. Entretanto os municípios de Diamantino, Itiquira, Novo São Joaquim, Sapezal e Água Boa reúnem características de maior desenvolvimento do ponto de vista agropecuário Grupo 3 Este grupo está formado por 33 municípios (9,4% da população de Mato Grosso) que tem como característica os valores baixos e negativos para F1, denotando menor desenvolvimento nas condições de vida/renda em comparação aos grupos anteriores. O fator F 2 é negativo (geralmente alto) em todos eles, revelando as precárias condições agropecuárias. TABELA 5. Relação dos municípios do grupo 3 MUNICIPIO MUNICIPIO MUNICIPIO Acorizal Apiacás Araguainha Barão de Melgaço Campinápolis Carlinda Chapada dos Guimarães Cocalinho Comodoro Cofresa Gaúcha do Norte General Carneiro Jangada Jauru Juscimeira Lambardi d Oeste Nova Brasilândia Nova Lacerda Novo Horizonte do Norte Peixoto de Azevedo Poconé Ponte Branca Porto Estrela Poxoreó Reserva do Cabeçal Rio Branco Rosário Oeste Salto do Céu Santa Terezinha Santo Antônio de Leverger São José do Povo São José do Xingu São Pedro da Cipa Dentro do grupo, apenas em Rosário Oeste, Poconé e Peixoto de Azevedo as condições de vid/renda são aceitáveis, denotando também que Poxoreó, Cocalinho, Poconé e Santo Antonio de Leverger se mostram favoráveis no grau de desenvolvimento

13 agropecuário. De outra parte, os Municípios: Ponte Branca, São José do Povo, São Pedro de Cipa, Reserva do Cabeçal e Acorizal tem níveis negativos altos nas condições de vida/renda e também nas condições agropecuárias Grupo 4 Este grupo tem classificado isoladamente o município de Nossa Senhora do Livramento (0,5% da população de Mato Grosso) que apresenta valores negativos altos para F 1 e F 2. Os piores resultados deste município podem ser explicados, de acordo com FERREIRA (2001), pela agricultura de subsistência praticada, com destaque para a produção de bananas. Atividades baseadas em técnicas tradicionais, com pouca intensidade em capital e com pouca produtividade da terra e do trabalho. 4. DISPARIDADES DO DESENVOLVIMENTO MUNICIPAL Como o capítulo anterior oferece resultados plausíveis e novos índices na tentativa de explicar o desenvolvimento municipal, é preciso manifestar que as teorias de desenvolvimento econômico, realizado pelo processo de rápido crescimento econômico e modernização das forças de produção (bens materiais), continuam com o equivoco de associar a idéia de desenvolvimento à de crescimento e modernização. Autores como SACH (1986), manifestam que essas teorias não tomam conhecimento das diferenças qualitativas entre desenvolvimento e mal desenvolvimento, nas quais pesam o grau de satisfação das necessidades sociais reais da população e, de outro, os custos sociais e ecológicos do crescimento. Neste sentido com a obtenção dos fatores que medem a qualidade de vida/renda e produtivas (agricultura), verifica-se o quanto não foram eliminadas as desigualdades entre populações rurais e urbanas e elevadas taxas de mortalidade infantil, segurança e emprego, entre outras nos Municípios. Então como sugere SACH (1986) o desafio atual é modificar o paradigma economicista direcionado para o crescimento, e eleger um outro desenvolvimento, que contemple princípios básicos ligados à dimensão social, ecológica e política, além da econômica. Neste outro desenvolvimento o Estado como o agente que deve realizar a manutenção do equilíbrio entre o curto e o longo prazo, harmonizando os objetivos sociais, econômicos e ecológicos do desenvolvimento e mantendo a sua função de redistribuição

14 eqüitativa da riqueza. Contudo, deve-se contar com a mobilização e iniciativas da população municipal em torno de um projeto coletivo que se traduzam em desenvolvimento municipal sustentável e, portanto, um processo que leve a um continuado aumento da qualidade de vida com base num setor agropecuário competitivo e com relativa autonomia das finanças públicas que garanta o desenvolvimento dos Municípios periféricos. 5. CONCLUSÔES O estudo do desenvolvimento municipal do Estado de Mato Grosso possibilita concluir que: Pela análise conjunta dos coeficientes de correlação entre os indicadores originais (X j ) e os dois componentes principais, puderam ser destacadas as variáveis originais que mais contribuíram para a formação de quatro grupos e que mostram grandes disparidades entre Municípios. A porcentagem de variância acumulada pelos dois componentes principais (71%) e a boa concordância entre os resultados do dendograma mostram que a solução com 4 clusters pode ser considerada como a mais apropriada. A análise fatorial aplicada à matriz dos indicadores de desenvolvimento permite avaliar a natureza e a intensidade deste processo para 126 municípios. Verifica-se com a combinação linear das variáveis originais a presença de dois fatores, o primeiro (F 1 ) que pode ser entendido como uma medida do grau de desenvolvimento das condições de vida/renda dos municípios: quanto maior o valor de F 1, melhores são os indicadores e por tanto melhor o município. O segundo fator (F 2 ) reflete o grau de desenvolvimento agropecuário municipal. Como um paradoxo dos municípios mais desenvolvidos, foram encontrados municípios com alto grau de desenvolvimento das condições de vida/renda, por outro lado, com baixo grau de desenvolvimento agropecuário. No estudo foi constatada a existência de grupos intermediários de modernização, situados entre os pontos extremos. A maioria destes municípios emprega técnicas modernas agrícolas e alguns utilizam técnicas primitivas caracterizando um dualismo tecnológico. Apesar da heterogeneidade de dados, sujeito às peculiaridades especifica regionais; os resultados da analise das regressões, demonstram um importante efeito das previsões

15 econômicas, produtivas e sociais sobre a dinâmica do desenvolvimento municipal do Estado de Mato Grosso. Acredita-se que algumas medidas poderiam reduzir as desigualdades das condições de vida/renda entre municípios, como por exemplo com a implementação do programa de desenvolvimento local integrado sustentável, que contribuiria para enfocar o problema não apenas pelo lado econômico, mas realizaria intervenções enfatizando a dimensão social, considerando os seus pontos de convergência e divergência em relação às dimensões econômica, ambiental e política dos municípios Mato-grossenses. 5. REFERÊNCIAS BIBLIOGRÁFICAS BENITEZ, R.M. As disparidades regionais de desenvolvimento sob a égide da influência das externalidades da infra-estrutura na produtividade dos fatores regionais. In: XIX ENCONTRO BRASILEIRO DE ECONOMETRIA, 1997, Recife. Anais... Pernambuco: SBE, p CURI Paulo Roberto et al. Análise de agrupamento e de componentes principais na avaliação de tabelas multivariadas (nxp). São Paulo, Revista de Matemática e estatística v.9,p , FERNANDEZ, T. & LIMA, J.E. Uso de análise multivariada para identificação de sistemas de produção. Brasília: R. Pesq. Agrop. Bras., 26(10), p ouct FERREIRA, J.C. Mato Grosso e seus Municípios. Cuiabá: Buriti, p. HOFFMANN, R. A dinâmica da modernização da agricultura em 157 microrregiões homogêneas do Brasil. Brasília: R. Econ. Sociol. Rural, v.30,n.4,p ouct/dez INSTITUTO DE PESQUISA ECONOMICA APLICADA (IPEA). Estado de Mato Grosso. [04 de abril 2002]. (http//

16 INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE) Cidades@ Mato Grosso. [27 de março 2002]. (http// PIAIA, I.I. Geografia de Mato Grosso. 2.ed. Cuiabá: EDUNIC, PFEIFFER, D. Disparidades de desenvolvimento no Brasil - um exemplo da análise de cluster. Rio de Janeiro. Revista Brasileira de Estatística n.º 164, p outubro/dezembro de SACHS, I. Conferência: Desenvolvimento social e Geração de Empregos-Redefinindo a Modernização Rural. SUDENE & MINTER, Recife,- PE, outubro de SOARES Ana Cristina et al. Índice de Desenvolvimento Municipal: hierarquização dos municípios do Ceará no ano de Curitiba, Revista Paranaense de Desenvolvimento n.97,p.71-89, VALENTIN, J.L. Ecologia Numérica-uma introdução á análise multivariada de dados ecológicos. Rio de Janeiro: Interciência, p.

17 APÊNDICE A TABELA 1A. Matriz dos coeficientes de correlação entre indicadores dos Municípios OOR OVR EPM TA MED RP EA PO AEA POEA MP MC TRA VPAV AB VFPM VITR OOR 1 OVR 0,72 1 EPM 0,32 0,26 1 TA 0,65 0,92 0,23 1 MED 0,63 0,97 0,23 0,95 1 RP -0,29-0,14-0,01-0,11-0,08 1 EA 0,73 0,97 0,32 0,96 0,97-0,14 1 PO 0,66 0,97 0,25 0,97 0,99-0,09 0,98 1 AEA 0,12 0,02 0,05-0,06-0,05-0,20-0,03-0,06 1 POEA 0,33 0,15-0,04 0,02 0,06-0,46 0,09 0,03 0,43 1 MP 0,06 0,03 0,48-0,03-0,01 0,00 0,05 0,00 0,26 0,09 1 MC 0,04 0,02 0,47-0,04-0,01 0,02 0,04-0,01 0,21 0,06 0,97 1 TRA 0,17 0,10 0,43 0,00 0,03-0,11 0,10 0,03 0,37 0,25 0,94 0,89 1 VPAV 0,13 0,06 0,43-0,03 0,00-0,05 0,06 0,00 0,28 0,22 0,92 0,92 0,90 1 AB 0,74 0,96 0,32 0,95 0,97-0,16 0,99 0,97-0,01 0,12 0,08 0,06 0,14 0,11 1 VFPM 0,75 0,93 0,25 0,97 0,94-0,18 0,97 0,96-0,01 0,12-0,02-0,03 0,05 0,00 0,97 1 VITR 0,21 0,10 0,37 0,01 0,03-0,08 0,09 0,04 0,55 0,16 0,56 0,50 0,62 0,53 0,11 0,05 1 a. Determinant = 2,379E-15 A matriz R é quadrada simétrica, sendo que na diagonal aparece o número 1, em virtude do coeficiente de uma variável com a própria ter sempre valor um.

18 TABELA 2A Escores Fatoriais, segundo os Municípios MUNICIPIO Factor 1 Factor 2 MUNICIPIO Factor 1 Factor 2 1. Acorizal -0,30-0, Nossa Sra. do Livramento -0,33-0,66 2. Água Boa -0,07 1, Nova Bandeirantes -0,21-0,50 3. Alta Floresta 0,84 0, Nova Brasilândia -0,27-0,89 4. Alto Araguaia -0,11 0, Nova Canaã do Norte -0,11-0,37 5. Alto Boa Vista -0,29-0, Nova Guarita -0,21-0,63 6. Alto Garças -0,21 0, Nova Lacerda -0,28-0,86 7. Alto Paraguai -0,20-0, Nova Marilândia -0,31-0,66 8. Alto Taquari -0,25 0, Nova Maringá -0,28-0,55 9. Apiacás -0,21-0, Novo Monte Verde -0,22-0, Araguiana -0,31-0, Nova Mutum -0,27 2, Araguainha -0,40-1, Nova Olímpia -0,08-0, Araputanga -0,02-0, Nova Ubiratã -0,26 0, Arenápolis 0,04-0, Nova Xavantina 0,02 0, Aripuanã 0,01 0, Novo Horizonte do Norte -0,26-0, Barão de Melgaço -0,29-0, Novo Mundo -0,21-0, Barra de Bugres 0,11 0, Novo São Joaquim -0,33 1, Barra do Garças 0,82 0, Paranaíta -0,11-0, Brasnorte -0,20 0, Paranatinga -0,08 1, Cáceres 0,78 0, Pedra Preta -0,21 1, Campinápolis -0,13-0, Peixoto de Azevedo 0,07-0, Campo Novo do Parecis -0,32 5, Planalto da Serra -0,31-0, Campo Verde -0,22 2, Poconé 0,10 0, Campos de Júlio -0,31 0, Pontal do Araguaia -0,25-0, Canabrava do Norte -0,26-0, Ponte Branca -0,32-0, Canarana -0,14 1, Pontes e Lacerda 0,66 0, Carlinda -0,18-0, Porto Alegre do Norte -0,18-0, Castanheira -0,16-0, Porto dos Gaúchos -0,16-0, Chapada dos Guimarães -0,09-0, Porto Espiridião -0,16 0, Cláudia -0,12-0, Porto Estrela -0,33-0, Cocalinho -0,32 0, Poxoreó -0,10 0, Colíder 0,30 0, Primavera do Leste 0,06 3, Comodoro -0,02-0, Querência -0,30-0, Cofresa -0,12-0, Reserva do Cabeçal -0,31-0, Cotriguaçu -0,22-0, Ribeirão Cascalheira -0,16-0, Cuiabá 10,39-0, Rebeirãozinho -0,31-0, Denise -0,10-0, Rio Branco -0,19-0, Diamantino -0,04 2, Rondonópolis 1,86 1, Dom Aquino -0,21 0, Rosário Oeste 0,12-0, Feliz Natal -0,25-0, Salto do Céu -0,12-0, Figueirópolis d'oeste -0,27-0, Santa Carmem -0,26-0, Gaúcha do Norte -0,33-0, Santa Terezinha -0,31-0, General Carneiro -0,30-0, Santo Alfonso -0,24-0, Glória d'oeste -0,26-0, Santo Antônio de Leverger -0,21 0, Guarantã do Norte 0,13-0, São Félix do Araguaia -0,15 0, Guiratinga -0,09 0, São José do Povo -0,32-0,92 Cont...

19 TABELA 2A Escores Fatoriais, segundo os Municípios (continuação). MUNICIPIO Factor 1 Factor 2 MUNICIPIO Factor 1 Factor Indiavaí -0,32-0, São José do Rio Claro -0,03-0, Itaúba -0,23-0, São José do Xingu -0,33-0, Itiquira -0,33 2, São J. dos Quatro Marcos 0,10-0, Jaciara 0,24 0, São Pedro da Cipa -0,29-0, Jangada -0,19-0, Sapezal -0,33 1, Jauru -0,16-0, Sinop 0,83 0, Juara 0,17 0, Sorriso 0,10 3, Juína 0,50 0, Tabaporã -0,19-0, Juruena -0,17-0, Tangará da Serra 0,86 1, Juscimeira -0,18-0, Tapurah -0,30 0, Lambardi d'oeste -0,32-0, Terra Nova do Norte -0,07-0, Lucas do Rio Verde -0,12 2, Tesouro -0,30-0, Luciara -0,29-0, Torixoréu -0,21-0, Marcelândia -0,06-0, União do Sul -0,24-0, Matupá 0,01-0, Várzea Grande 1,98-0, Mirassol d'oeste 0,20-0, Vera -0,09-0, Nobres -0,07-0, Vila Bela da Sta. Trinidade -0,20 0, Nortelândia -0,14-0, Vila Rica -0,10-0,16 Rotation: Varimax normalized Extraction: Principal components

20 APÊNDICE B FIGURA 1. Dendograma resultante da Análise de Agrupamento, utilizando-se a Distância Euclidiana Média entre municípios e o algoritmo UPGMA 6 Tree Diagram for 126 Cases Single Linkage Euclidean distances 5 4 Linkage Distance C_64 C_115 C_35 C_73 C_94 C_57 C_23 C_21 C_123 C_92 C_118 C_114 C_22 C_100 C_17 C_48 C_37 C_113 C_14 C_33 C_26 C_87 C_101 C_93 C_96 C_56 C_110 C_77 C_30 C_32 C_106 C_51 C_104 C_28 C_85 C_102 C_83 C_112 C_69 C_99 C_42 C_55 C_20 C_19 C_9 C_18 C_11 C_88 C_81 C_125 C_25 C_79 C_82 C_16 C_63 C_58 C_71 C_40 C_38 C_109 C_91 C_107 C_74 C_97 C_45 C_95 C_120 C_10 C_111 C_47 C_126 C_76 C_72 C_65 C_12 C_62 C_61 C_13 C_34 C_36 C_39 C_89 C_7 C_98 C_46 C_84 C_43 C_67 C_70 C_80 C_24 C_31 C_5 C_117 C_90 C_53 C_119 C_52 C_105 C_116 C_121 C_60 C_124 C_4 C_29 C_59 C_103 C_27 C_122 C_86 C_54 C_44 C_78 C_8 C_68 C_75 C_49 C_6 C_15 C_2 C_108 C_41 C_66 C_50 C_1