EFICIÊNCIA DAS USINAS DE AÇÚCAR E ALCOOL DE CANA NO BRASIL: UMA APLICAÇÃO DA ANÁLISE ENVOLTORIA DE DADOS (DEA)

UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS SOCIAIS APLICADAS DEPARTAMENTO DE ECONOMIA LEMUEL DE LEMOS ROMÃO EFICIÊNCIA DAS USINAS DE AÇÚCAR E ALCOOL DE CANA NO BRASIL: UMA APLICAÇÃO DA ANÁLISE ENVOLTORIA DE DADOS (DEA) NATAL 2015.2

LEMUEL DE LEMOS ROMÃO EFICIÊNCIA DAS USINAS DE AÇÚCAR E ALCOOL DE CANA NO BRASIL: UMA APLICAÇÃO DA ANÁLISE ENVOLTORIA DE DADOS (DEA) Trabalho de conclusão de curso apresentado ao Curso de Ciências Econômicas, da Universidade Federal do Rio Grande do Norte, como parte dos requisitos necessários à obtenção do título de Bacharel em Ciências Econômicas. Orientador: Prof. Dra. Janaina da Silva Alves NATAL 2015.2

Catalogação da Publicação na Fonte. UFRN / Biblioteca Setorial do CCSA Romão, Lemuel de Lemos. Eficiência das usinas de açúcar e álcool de cana no Brasil: uma aplicação da análise envoltória de dados (DEA) / Lemuel de Lemos Romão. - Natal, RN, 2015. 53 f. Orientador: Profa. Dra. Janaina da Silva Alves. Monografia (Graduação em Economia) - Universidade Federal do Rio Grande do Norte. Centro de Ciências Sociais Aplicadas. Departamento de Economia. Curso de Graduação em Ciências Econômicas. 1. Economia Brasil - Monografia. 2. Usinas Sucroalcooleiras - Monografia. 3. Análise Envoltória de Dados Monografia. I. Alves, Janaina da Silva. II. Universidade Federal do Rio Grande do Norte. III. Título. RN/BS/CCSA CDU 338.1

LEMUEL DE LEMOS ROMÃO EFICIÊNCIA DAS USINAS DE CANA DE AÇÚCAR E ALCOOL NO BRASIL: UMA APLICAÇÃO DE ANÁLISE ENVOLTORIA DE DADOS (DEA) Trabalho de conclusão de curso apresentado ao Curso de Ciências Econômicas, da Universidade Federal do Rio Grande do Norte, como parte dos requisitos necessários à obtenção do título de Bacharel em Ciências Econômicas. Aprovada em: Banca Examinadora: Prof a. Dr a. Janaina da Silva Alves Orientadora / DEPEC UFRN Prof. Dr. João Paulo Martins Guedes Examinador / DEPEC UFRN

Dedico este trabalho a todos aqueles que estiveram comigo nesta caminhada, Deus, família, amigos.

Agradecimentos Dentro desta longa caminhada são muitos os que passam por nossas vidas e assim causam seus impactos. Primeiro venho agradecer aos professores que nos inspiraram durante os anos dentro da academia. Agradeço primeiro a Edward que foi o que me apresentou este ramo da ciência econômica pela qual tanto me interesso, sempre me incentivando a buscar mais. A professora Janaina que me orientou nos estudos da metodologia DEA, além da orientação deste trabalho que me foi de grande ajuda, em contraste as dificuldades do semestre. Agradeço a outros que sempre bom era estar em suas aulas, o João Paulo, Fabricio, André Lourenço e a Erica, aulas das quais ainda sinto falta. Agradeço a família que sempre esteve comigo, a minha mãe que sempre trabalhou muito para proporcionar meus estudos, e a minha irmã que sempre esteve comigo em várias noites sozinhos em casa. Lembrando também de tios e primos que de uma forma ou de outra me ajudaram sempre. Agradeço a Michelle pela amizade e companheirismo ao longo dos anos. A formação e conclusão desta etapa está intimamente ligada a ela. A pessoa que sempre me empurrou a seguir em frente a cada queda, quem compreendeu as dores e as curou, dom este que exercerá como profissão e pela qual espero passar o resto de meus dias ao seu lado. Aos amigos adquiridos durante toda a academia, que nos ajudaram a enfrentar os dias a cada semestre. Conversas de corredor, ao companheirismo em seminários, provas e trabalho, pequenas coisas que marcaram e farão falta, amigos que espero que o tempo não os leve.

RESUMO O setor sucroalcooleiro possui historicamente um papel relevante dentro da economia brasileira, pois contribui para a produção de alimentos e faz parte da matriz energética do país. Atualmente é o maior produtor mundial de cana-de-açúcar e dentro do agronegócio está lado a lado com a soja em termos de representatividade. Neste trabalho buscou-se analisar a eficiência técnica do setor através da metodologia conhecida como DEA, que consiste em uma técnica de programação linear conhecida como Análise Envoltória de Dados (Data Envelopment Analysis), inicialmente desenvolvida por Charnes, Cooper e Rhodes (1978). As usinas então foram agrupadas, segundo sua localização, nas cinco regiões geográficas brasileiras e também agrupadas por porte das usinas seguindo a classificação UNICA. Concomitante à análise de eficiência técnica foi estudada a análise de eficiência de escala, compararando com o porte das usinas a fim de perceber se os resultados se encontram dentro do que é esperado conforme a literatura. Os parâmetros de análise de cada grupo estudado foram suas respectivas médias de eficiência, que foram comparadas a média de eficiência global (Brasil) e aplicado o teste estatístico t de diferenças de médias para dar robustez à análise. Os resultados do estudo evidenciam que a região Sul possui média de eficiência inferior se comparada com a média global de eficiências. Em relação à escala, as usinas pequenas operam na faixa de retornos crescentes e constantes, as de médio porte possuem usinas em todas as faixas de retornos de escala e as de grande porte com usinas apenas na faixa de retornos decrescentes, estando dentro do esperado para as mesmas. Portanto, concluise que o tamanho da usina não mostrou uma tendência à eficiência das mesmas e, com respeito à localização, não foram verificadas diferenças de eficiência média para a maioria das regiões analisadas, em comparação com a eficiência média para o Brasil. Palavras-Chave: Usinas Sucroalcooleiras, Eficiência, Análise Envoltória de Dados.

ABSTRACT The sugar and alcohol sector historically has a relevant role in the Brazilian economy as it contributes to food production and is part of the Brazilian energy matrix. It is currently the largest producer of sugarcane and in agribusiness is side by side with soybeans in terms of representativeness. This study aimed to analyze the technical efficiency of the sector through the methodology known as DEA, which consists of a linear programming technique known as data envelopment analysis (Data Envelopment Analysis), initially developed by Charnes, Cooper and Rhodes (1978). The mills were then grouped according to their location in the five geographical regions and also grouped by size of mills following the UNICA classification. Concomitant to the technical efficiency analysis to study the scale efficiency analysis, compararando to the size of the plants to see if the results are within what is expected according to the literature. Analysis parameters of each group were studied their respective averages of efficiency, which were compared to average global efficiency (Brazil) and applied the statistical t-test mean differences to give robustness analysis. The study results show that the South has an average lower efficiency compared to the global average efficiencies. In relation to the scale, small plants that operate in the range of growing and steady returns, midsize have plants in all the returns to scale ranges and large ones with plants only in the range of diminishing returns and is as expected for the same. Therefore, it is concluded that the size of the plant showed a tendency to efficiency of the same and, with respect to location, average efficiency differences were observed for most of the regions analyzed, compared with the average efficiency for Brazil. Keywords: Sugarcane Mills, Operational Efficiency and Data Envelopment Analysis.

Lista de Figuras Figura 1. Produção de etanol do Centro-Sul e do Norte-Nordeste, em bilhões de litros, nas safras de 1995 1996 a 2012 2013.... 18 Figura 2. Produção brasileira de etanol anidro e hidratado, em bilhões de litros, anos 1995-2012.... 18 Figura 3. Fronteiras de eficiência.... 37

Lista de Quadros, Tabelas e Gráficos Quadro 1. Embasamento teórico das variáveis relevantes (Modelagem DEA).... 21 Quadro 2. Descrição das Variáveis... 23 Quadro 3. Armadilhas e Protocolos na Execução de DEA.... 25 Quadro 4. Inputs e fonte de coleta de dados.... 26 Quadro 5. Outputs do modelo DEA.... 27 Quadro 6. Variáveis utilizadas na pesquisa.... 34 Tabela 1. Número de destilarias e capacidade anual de produção de etanol anidro em anos selecionados.... 15 Tabela 2. Número de Empresas do Universo e da Amostra por Setor.... 20 Tabela 3. Distribuição das usinas por estado.... 24 Tabela 4. Distribuição das usinas por região.... 35 Tabela 5. Distribuição dos grupos por tamanho.... 35 Tabela 6. Resumo das variáveis.... 36 Tabela 7. Quadro resumo dos scores.... 38 Tabela 8. Teste t de diferença de média por região.... 41 Tabela 9. Teste t de diferença de médias por porte das usinas.... 42 Tabela 10. Eficiência de Escala.... 43 Tabela 11. Par de Referência (Benchmarks)... 46 Tabela 12. Numeração das Usinas Eficientes.... 47 Gráfico 1. Produção em toneladas de cana de açúcar no ano de 2009.... 28 Gráfico 2. Valor da Produção das lavouras temporárias brasileiras.... 29 Gráfico 3. Área colhida das lavouras temporárias 2009.... 29

Lista de Abreviaturas DEA Análise envoltória de dados CCR Retornos Constantes de escala BCC Retornos variáveis de escala DRS Retornos decrescentes de escala PROÁLCOOL - Programa Nacional do Álcool UNICA União da indústria da cana-de-açúcar VRS Idêntico ao BCC IBGE Instituto brasileiro de estatística e geografia ITN - Instituto Nacional de Tecnologia CEAM - Comissão de Estudos Sobre o Álcool-Motor IDE Investimento direto estrangeiro DMU Unidade de decisão produtora. BNDES banco nacional de desenvolvimento. NE Região Nordeste SE Região Sudeste CO Região Centro-oeste SU Região Sul

SUMÁRIO RESUMO... 6 ABSTRACT... 7 1 INTRODUÇÃO... 12 2. EVOLUÇÃO DO SETOR SUCROALCOOLEIRO NO BRASIL... 15 3. REVISÃO DA LITERATURA SOBRE EFICIÊNCIA NO SETOR SUCROALCOOLEIRO DO BRASIL... 20 3.1. Síntese dos Trabalhos dobre Análise de Eficiência do Setor.... 20 3.2. Produção Sucroalcooleira brasileira.... 27 4. METODOLOGIA... 31 4.1. Descrição do Método... 31 4.2. Descrição das variáveis... 33 4.3. Descrição da amostra... 34 5. RESULTADOS E DISCUSSÃO... 38 5.1. Apresentação dos resultados... 38 5.2. Discussão dos resultados... 48 6. CONCLUSÃO... 50 REFERÊNCIAS... 52

12 1 INTRODUÇÃO O setor sucroalcooleiro no Brasil possui relevância histórica dado que seu cultivo data desde o período colonial brasileiro, sendo introduzida no Brasil no ano de 1532 pelos portugueses. Pelas características climáticas o êxito dessa primeira grande empresa colonial agrícola europeia (FURTADO, 2003, p. 15 citado por Moraes e Bacchi, 2015), fez com que esta cultura fosse amplamente explorada, primeiramente no Nordeste brasileiro e, posteriormente se irradiou por outras regiões do país. A produção de açúcar foi o principal produto de destinação da cana-de-açúcar no Brasil por quatrocentos anos, porém, a utilização do álcool como combustível é de aproximadamente de cem anos. Devido a fatores relacionados à crise internacional de 1929 e a segunda guerra mundial, forçaram o Brasil a internalizar e produzir álcool com intuito de substituição das importações de petróleo. Com a crise do petróleo da década de setenta, criouse um impulso no mundo todo para a adoção de fontes energéticas alternativas e o Brasil, aproveitando sua estrutura canavieira já instalada implementou o programa denominado Proálcool, que foi fundamental para o setor e reduziu a dependência das importações de petróleo, fazendo também do Brasil o maior produtor de cana-de-açúcar no mundo. A trajetória do setor é marcada por uma fase importante que envolveu diversos atores do cenário nacional que foi a desregulamentação do setor. No Brasil existiam dois importantes grupos de interesses, os produtores do Norte/Nordeste e do Centro-Sul. A diferença de competividade entre estas duas regiões produtoras justificava a concessão de subsídios para a região Norte/Nordeste, com este grupo de produtores lutando pela manutenção de subsídios, tabelamento de preços e o controle do governo na comercialização do álcool. No Centro-Sul, porém, não se encontrou consenso em torno do tema da desregulamentação, possuindo grupos que queriam a centralização e os que queriam a liberalização mediante a adoção de certas regras (BARROS; MORAES, 2002). Shikida, Azevedo e Vian (2011) citando Shikida(1997), afirma que as industrias do estado de São Paulo possuíam como estratégia competitiva e defensiva elevados níveis de investimento em P&D, as unidade de Minas Gerais e Paraná também tinha esta estratégia, porém em menor intensidade, pois eram mais avessos ao risco, adotando conjuntamente estratégias de ajustamento técnico-legal, ou uma estratégia imitativa. Outro ponto importante destacado pelo autor foi que no período regulamentado pelo estado, a inovação não foi favorecida como deveria devido ao paradigma subvencionista, fato que foi transformado com a desregulamentação.

13 Dentro do setor houve outra grande mudança que foi fundamental para impactar e fomentar novamente a atividade, o desenvolvimento da tecnologia dos carros flex, no ano de 2003. Os carros flex impulsionaram a demanda por álcool novamente e forçou a expansão das fronteiras agrícolas para a região Centro-Oeste. Como os três estados não haviam sido contemplados pelo Proálcool por estarem distantes dos mais importantes centros consumidores, a impulsão da demanda provocada pelos carros flex gerou a necessidade da produção de álcool estivesse próximo dos consumidores devido aos custos de transporte e armazenagem, fazendo da região a maior zona de expansão da fronteira agrícola da cana-deaçúcar. Shikida (2013) aponta quais outros fatores, limites e potencialidades da região Centro Oeste, elencando como potencialidades a busca por fontes de energias sustentáveis, representado pelo álcool e pela segurança alimentar pelo açúcar, o encarecimento das terras na região Sudeste, melhoria na logística e a decadência de regiões tradicionais no Nordeste. Como limitações estão o cenário de instabilidade do etanol, ineficiência de escoamento de produção baseada no modal rodoviário e a pouca tradição no setor da região que elevam os custos devido ao processo de aprendizagem. Percebendo a importância do setor, estudar os fatores condicionantes da produção do setor sucroalcooleiro é uma tarefa fundamental para garantir a competitividade do mesmo. Com o passar dos anos os usineiros experimentaram diversas situações de incertezas e a analise de eficiência se torna indispensável para o produtor. Apesar de o produtor possuir controle sobre as decisões de produção, muito dos fatores que afetam o setor não são controlados pelos produtores em suas usinas como o preço do álcool e açúcar, mudanças na política de governo para o setor, a volatilidade do câmbio, dentre outros fatores, relegam bastante importância para as decisões de investimento em tecnologias e sobre a escolha da combinação de insumos para produção que sejam as mais eficientes. Estas decisões possuem extrema importância para garantir a competitividade das usinas de açúcar e álcool. A eficiência técnica de acordo com Ferreira e Gomes (2009) consiste num processo de produção que é eficiente quando utiliza a menor quantidade de insumos para um mesmo nível de produção relativo aos demais processos, a eficiência é relativa, sendo o processo mais eficiente referência e os demais com suas eficiências calculadas a partir deste. Analisaremos neste trabalho primeiramente a eficiência técnica, verificando quais usinas foram as mais eficientes em termos da relação insumo e produto, e também pelo tamanho das usinas, segundo a classificação do próprio setor. Dessa forma, pretende-se investigar: Quais as usinas eficientes no Brasil, em quais regiões estão localizadas e qual porte

14 destas usinas possuem tendência a maior ou menor eficiência, adicionando ao final a análise de eficiência de escala. Portanto, o objetivo geral da pesquisa é analisar a eficiência das usinas de açúcar e álcool de cana nas regiões Nordeste, Sudeste, Sul e Centro-Oeste do Brasil. Os objetivos específicos são: Investigar se a localização da usina, dentro das regiões analisadas, possue alguma tendência à ineficiência ou eficiência, evidenciando, ou não, a hipóteses de dotação natural à cultura da cana-de-açúcar; Investigar a relação entre o tamanho das usinas e a eficiência das mesmas, observando se usinas, de acordo com sua característica de tamanho, possuem alguma tendência à eficiência ou ineficiência; Fazer a análise de escala, analisando além da eficiência técnica a eficiência de escala comparando estes dois fatores ao tamanho da usina para perceber se existe alguma tendência entre eficiência técnica, de escala e tamanho. Este trabalho está dividido em seis capítulos além desta introdução. O segundo capitulo mostra a evolução do setor no Brasil sucroalcooleiro no Brasil. O terceiro capitulo busca fazer o retrospecto de alguns trabalhos já realizados com o tema de eficiência do setor no Brasil. O quarto capítulo apresenta a metodologia, divido em apresentar as variáveis, explicar a metodologia DEA, descrever os valores da variáveis utilizadas e explanar como foi feita a análise dos resultados. No quinto capítulo é apresentado os resultados e os comentários sobre os mesmo. O sexto capítulo conclui o trabalho analisando no âmbito geral os resultados e observando os objetivos do trabalho.

15 2. EVOLUÇÃO DO SETOR SUCROALCOOLEIRO NO BRASIL No Brasil a primeira tentativa de divulgar o álcool como combustível foi promovida pela Sociedade Nacional da Agricultura em 1903, na Exposição Internacional de Aparelhos de Álcool. Em 1922 o presidente Epitácio Pessoa criticou a dependência brasileira da gasolina importada, observando os efeitos positivos que iriam ser sentidos pela indústria canavieira, através da adoção do álcool como combustível. A Estação Experimental de Combustíveis e Minérios 1 era a responsável pela utilização do álcool em motores, com o marco de um Ford em 1925 ter percorrido 230 quilômetros no Rio de Janeiro com álcool etílico hidratado 70% (MARCOLIN, 2008). Em 1929 a crise americana teve um papel de influenciar positivamente o mercado interno de álcool combustível, como o mercado externo de açúcar foi bastante afetado pela crise, ocorre expressivas quedas nos preços internacionais do açúcar e internamente a demanda reduziu-se. No ano de 1931, Getúlio Vargas, por meio do Decreto 19.717/31, definiu a mistura de 5% de álcool anidro na gasolina importada, além de criada no mesmo ano a Comissão de Estudos Sobre o Álcool-Motor (CEAM) (DUNHAM et. al.,2011). Posteriormente com o inicio da segunda guerra mundial, segundo Moraes (2000) a produção de álcool anidro aumentou por causa da escassez da gasolina, praticamente importada em sua totalidade. Em 1941 o teor da mistura sai dos 5% para 20% e em 1942, segundo o mesmo autor, a indústria alcooleira foi declarada de interesse nacional, com garantias de preços mínimos para o álcool. Tabela 1. Número de destilarias e capacidade anual de produção de etanol anidro em anos selecionados. 1933 1939 1941 N de destilarias 1 31 44 Capacidade anual (mil litros) 100 38.000 76.600 Fonte: Szmrecsányi (1979). O álcool até então era tido como um produto secundário para o setor canavieiro, porém este cenário muda com os choques do petróleo da década de 70 e 80, alterando a 1 Orgão do governo de pesquisa que, em 1933, se torna o Instituto Nacional de Tecnologia (INT).

16 maneira do estado atuar, sendo o mesmo a mola propulsora do setor a fim de impulsionar a produção e consumo interno. Em 1974 o Brasil era o maior importador de óleo entre os países em desenvolvimento e o sétimo em escala mundial, antes do choque o Brasil gastava 15% das receitas das exportações com a importação de petróleo e em 1974 este gasto passa a ser de 40% (SANTANA, 2006 citado por MORAES; BACCHI, 2015, p.8). Diante da grande dependência do petróleo importado e de seus derivativos, o governo lançou um programa para substituir e diminuir esta dependência, o programa denominado de Proálcool, lançado no ano de 1975 (MORAES; BACCHI, 2015). Dentro do Proálcool Shikida (1998) divide o programa em três fases: i. A expansão modera de 1975 a 1979, governo responsável por investir 75% do montante; ii. iii. Expansão acelerada, de 1980 a 1985, com o governo somando 56% dos investimentos; Desaceleração e crise, de 1986 a 1995, com 39% de participação do capital estatal; Nos dois primeiros anos do programa Proálcool o incentivo foi dado para a produção de álcool anidro para que este fosse utilizado misturado à gasolina na proporção de 20%. No ano de 1977 o incentivo é estendido ao álcool hidratado, que enfrentava a barreira da resistência das montadoras em produzir veículos movidos a álcool. Em 1979 é feito um acordo entre os representantes do governo e a Associação dos Fabricantes de Veículos Automotores para que fossem produzidos veículos movidos a álcool, que caracterizou a segunda fase do programa (NIGRO; SZWARC,2010). Depois do acordo a produção de veículos movidos a álcool, a produção saiu da faixa dos 3 mil em 1979 para a quantidade de 573 mil no ano de 1985, com o alcance da marca histórica de produção sendo alcançada em 1986 com o número de 697 mil veículos, se caracterizando como a fase de expansão acelerada (MORAES; BACCHI, 2015). A fase de desaceleração e crise é marcada pela constância da produção do etanol hidratado combinado com a queda na produção de veículos a álcool. Essa fase é tida como a crise do Proálcool que ocorre devido à combinação de alguns fatores conjunturais. O Proálcool era viável com o preço do barril de petróleo acima do U$ 40, em 1986 o preço do barril cai para o valor de U$ 13, em paralelo com a situação de conjuntura econômica do país, que sofria de crises fiscais e como consequência reduziu as subvenções para a produção do etanol além da liberalização das exportações do açúcar (Kohlhepp, 2010).

17 Em 1989 ocorreu um desabastecimento gerando um profundo impacto na confiança do consumidor, como a frota de carros movidos a álcool cresceu mais rápido que a capacidade do setor de suprir a demanda, isto gerou o desabastecimento sendo necessário a importação de metanol para tentar suprir esta demanda (VIAN, 2002). O problema do desabastecimento, a queda dos preços do petróleo, a deficiência mecânica dos carros movidos a álcool e a abertura econômica que permitiu a importação de veículos, de maioria movidos a gasolina, acarretaram na queda de demanda dos carros movidos a etanol (NIGRO; SZWARC,2010). Como vimos anteriormente Shikida (1998) faz uma divisão da expansão da produção de álcool no Brasil iniciada com o Proálcool em três fases, no período de 1986 a 1995, posteriormente seguindo a ordem cronológica Moraes e Bacchi (2014) definem mais três fases do setor, que são chamadas: Adormecimento (1996-2002), revolução flex (2003-2008) e Incerteza/estagnação (2008-2013). Moraes e Bacchi (2014) descrevem a fase adormecida como que foi marcada pela desregulamentação do setor acompanhada pelo aumento da produção de álcool anidro, que foi impulsionada pela expansão do consumo da gasolina (pelo fato do álcool anidro ser utilizado na mistura da gasolina) e pela queda do consumo do álcool hidratado. A fase da revolução flex puxada pela adoção da nova tecnologia de motores flex, causa um aumento da produção do álcool hidratado que mais do que triplica a produção, saindo dos 5,6 bilhões para 18,1 bilhões de litros da safra 2002-2003 a safra 2008-2009. Na fase de Incerteza/estagnação, após o ano de 2008 uma crise atinge o setor, e a produção do hidratado sofre mais uma queda: 18,6 bilhões na safra 2009-2010, para 13,96 na safra 2012-2013. Estes movimentos são retratados nas figuras 1 e 2.

18 Figura 1. Produção de etanol do Centro-Sul e do Norte-Nordeste, em bilhões de litros, nas safras de 1995 1996 a 2012 2013. Fonte: Moraes e Bacchi (2015). Figura 2. Produção brasileira de etanol anidro e hidratado, em bilhões de litros, anos 1995-2012. Fonte: Moraes e Bacchi (2015) A fase adormecida, que fica marcada pela desregulamentação do setor, causou profundas mudanças à produção no Brasil. Alguns fatores foram responsáveis para justificar essa desregulamentação, que ficam dividas em internos e externos. Dentre os internos estão: a crise das finanças públicas e as políticas de combate à inflação, influenciando a redução dos subsídios e financiamentos ao setor. A flutuação do preço do petróleo, altamente influenciado pelo controle da Organização dos Países Produtores de Petróleo (Opep), além do comportamento das exportações de açúcar que compete na produção nas usinas com o álcool,

19 caracterizando-se como os fatores externos. O estado neste momento deixa de ser interventor para ser coordenador, deixando de tabelar os preços, permitindo as exportações açucareiras, além de liberar os preços do etanol anidro e da cana-de-açúcar (SHIKIDA, 2014). Este cenário impulsionou as indústrias a buscar investir em diferenciação e inovação, causando a imersão de uma nova estrutura com novos aspectos técnicos e organizacionais modernos. Muito embora o setor não se desenvolvesse dinamicamente na fase regulada necessitando da intervenção estatal, no período não regulamentado o estado ainda se faz necessário exercendo a função de coadunar a produção com a demanda, para evitar crises de superprodução ou desabastecimento (SHIKIDA, 2014). A fase impulsionada pela adoção da tecnologia flex, é marcada pela recente tendência de preocupação ambiental, que força os países a buscar fontes de energia renováveis. Outro fator esta ligado a esta expansão, é dada pela própria volatilidade dos preços dos combustíveis fosseis nos últimos anos, o que estimulou países a buscarem alternativas energéticas, aliado a desregulamentação e esta fase de expansão ocorre um forte aporte de Investimento Estrangeiro Direto (IDE) no setor (SHIKIDA, 2014). No período que caracteriza a incerteza/estagnação ocorre o fechamento de cerca de 40 usinas entre 2008 e 2012, fatores como a falta de coordenação e planejamento setorial e a descoberta do Pré-sal relegaram ao etanol em um plano secundário. Adiciona-se o fato de que o controle artificial do governo no preço da gasolina coloca o etanol, seu principal substituto, em uma situação mais vulnerável e menos competitiva, mesmo com a adoção de modernas tecnologias que foram empregadas na produção alcooleira. Com a crise financeira de 2008, recursos de crédito se tornaram mais escassos, o que dificultou para as empresas a manutenção e renovação dos canaviais tornando mais caro a produção de álcool e açúcar e consequentemente fechando diversas usinas (SHIKIDA, 2014). A produção de álcool no Brasil está diretamente ligada aos fatores conjunturais que a envolve. Ao passar dos anos as diferentes políticas governamentais moldaram o setor e impactaram positiva ou negativamente, bem como as variáveis econômicas, por exemplo, preço do barril de petróleo, do açúcar e taxas de câmbio possui efeitos diretos sobre os produtores. Dentro de um ambiente que demonstra ser bastante volátil, buscar a eficiência na produção pode ser um fator de sobrevivência, mostrando a importância de mensurar índices e padrões de eficiência, tanto para o administrador das usinas como que para servir de insumo de análise para o formulador de políticas públicas voltadas ao setor.

20 3. REVISÃO DA LITERATURA SOBRE EFICIÊNCIA NO SETOR SUCROALCOOLEIRO DO BRASIL 3.1. Síntese dos Trabalhos dobre Análise de Eficiência do Setor. Em trabalhos que procuram mensurar a eficiência de determinado setor, tem-se utilizado com bastante frequência a metodologia de Análise Envoltória de Dados (DEA). Dessa forma, apesar desta técnica ser, atualmente, empregada em diversos trabalhos nas mais diversas áreas de atividades econômicas, o número de pesquisas de análise de eficiência aplicadas ao setor sucroalcooleiro ainda é reduzido. Neste capítulo fez-se uma breve revisão de alguns trabalhos que serviram como base para a construção da presente pesquisa. Macedo et. al. (2006) utilizou dados com base em variáveis contábeis e financeiras de vários setores econômicos do segmento agroindustrial brasileiro. No trabalho são utilizados dados do Anuário do Agronegócio da Revista Exame edição 2007, com os seguintes setores, conforme tabela 2. Tabela 2. Número de Empresas do Universo e da Amostra por Setor. Setor Universo Empresas Excluídas por Falta de Informações Empresas Excluídas por Problemas nas Informações Amostra Final Açúcar e Álcool 62 6 6 50 Adubos e Defensivos 24 4 8 12 Aves e Suínos 21 5 3 13 Café 15 2 2 11 Leite e Derivados 19 5 3 11 Madeira, Celulose e Papel 59 9 8 42 Óleos, Farinhas e Conservas 49 11 6 32 Têxtil e Vestuário 21 4 9 8 Fonte: Macedo et al. (2006) As variáveis utilizadas por Macedo et al. (2006) foram os seguintes indicadores: Rentabilidade do PL (como output), Alavancagem e Taxa de Receita Imobilizada (como inputs). O modelo utilizado para análise foi o VRS (ou também conhecido BCC, com retornos variáveis de escala), como principais conclusões percebe-se que não existe relação entre

21 tamanho da empresa, segundo o critério de faturamento, e eficiência, observando ainda que em alguns setores a relação foi inversa, ou seja, as empresas maiores são as menos eficientes. O autor ainda conclui que as empresas líderes em desempenho não são as maiores em termos de receita, dando total condição para que as empresas de pequeno e médio porte garantam sua sobrevivência, pois não é o tamanho que gera competitividade, mas o desempenho superior. O trabalho feito por Salgado Junior, Bonacim e Pacagnella Junior (2009), agora tratando especificamente do setor das usinas de açúcar e álcool, fez uma análise utilizando apenas usinas do estado de São Paulo, especificamente da região nordeste do estado. O objetivo do trabalho consistiu em analisar a relação entre o tamanho e a eficiência operacional das usinas desta região, utilizando informações de 26 usinas. Para a escolha das variáveis o autor faz um levantamento bibliográfico na qual ele resumiu no quadro 1 a seguir: Quadro 1. Embasamento teórico das variáveis relevantes (Modelagem DEA). Fonte: Salgado Junior, Bonacim e Pacagnella Junior (2009). Além do levantamento bibliográfico Salgado Junior, Bonacim e Pacagnella Junior (2009), utilizaram outra técnica para realizar a escolha de quais destas são as mais importantes para o calculo da fronteira de eficiência. A técnica utilizada pelo autor é chamada de stepwise, e os passos seguidos, bem como a descrição da técnica, são ilustrados abaixo: 1) calcular a eficiência média de cada par input-output possível. Nesse passo deve-se aplicar um modelo DEA para cada par input-output. Após, para cada resultado encontrado calcula-se a eficiência média de todas as DMU s; 2) escolher o par input e output inicial que gerou a maior eficiência média (base do modelo);

22 3) uma vez de posse do par inicial, aplicar o modelo com mais uma variável. Repetir esse procedimento para cada variável que ainda não foi incluída no modelo; 4) calcular a eficiência média para cada variável incluída; 5) escolher a variável que gerou a maior eficiência média para ser incluída no modelo; e 6) verificar se o aumento da eficiência foi significativo. O estudo considerou como acréscimos significativos aqueles superiores a 5%, conforme recomendação de Souza (2006). Em caso afirmativo, repetir o procedimento três. Caso contrário, retirar a última variável incluída e finalizar o processo. (SALGADO JUNIOR; BONACIM; PACAGNELLA JUNIOR, 2009, p. 505). Como resultados Salgado Junior, Bonacim e Pacagnella Junior (2009), as usinas pequenas médias e grandes tiveram e grandes, tiveram respectivamente eficiências médias de 0,8193, 0,8095 e 0,8966, constatando que mesmo que com a maior eficiência média (estatisticamente), nem todas as usinas de grande porte são consideradas eficientes e no sentido oposto, apesar de eficiência média inferior, nem todas as usinas de pequeno porte foram consideradas ineficientes, constatando a não relação entre porte e eficiência operacional. No trabalho de Macedo, Cípola e Ferreira (2010), a abordagem deixa de ser apenas econômica para adicionar um caráter socioambiental. A perspectiva dos autores é que as sociedades modernas exigem que as empresas demonstrem um custo-benefício positivo, agregando valor à economia e a sociedade, respeitando os direitos humanos de seus colaboradores, sem que sua atividade agrida o meio ambiente. Os dados foram colhidos dos balanços sociais, modelo Ibase, dos anos de 2004, 2005 e 2006 de 19 usinas distribuídas por todas as regiões brasileiras, exceto a região Norte. As variáveis utilizadas foram: Indicadores Sociais Internos, Indicadores Sociais Externos e Investimento em Meio Ambiente como outputs, e Receita Líquida como input. Para melhor entender a análise o quadro 2 traz a descrição das variáveis utilizadas por estes autores. O modelo DEA utilizado foi o CRS (também conhecido como CCR, ou retornos constantes de escala), orientado a output. Os autores concluem que em relação aos indicadores socioambientais, os investimentos ambientais são aqueles que mais precisam de incrementos para que as empresas alcancem a eficiência e chama a atenção ao fato desta atividade possuir fortes impactos ambientais, ligados a sua característica de monocultura e deficiência justamente neste tipo de investimento.

23 Quadro 2. Descrição das Variáveis. Indicadores Sociais Internos Indicadores Sociais Externos Investimentos em Meio Ambiente Representa o output 01 e mede o total de recursos investidos no bem-estar dos funcionários. Dentre esses recursos estão os gastos com alimentação, segurança no trabalho, previdência privada e social, saúde, educação, cultura, capacitação e desenvolvimento profissional, creches, entre outros. É um índice do tipo quanto maior, melhor o desempenho. Indicador que representa o output 02, sendo obtido pela soma de todos os recursos investidos pela empresas em benefício da sociedade, em áreas como: educação, esporte, saúde, cultura, etc. É um índice do tipo quanto maior, melhor o desempenho. Representa o output 03 e mede os investimentos na área ambiental, tanto relacionados à operação da empresa (que são importantes neste setor), quanto aos externos à operação. Por conta disso, é um índice do tipo quanto maior, melhor o desempenho. Receita Líquida Fonte: Macedo, Cípola e Ferreira (2010). Representa o input 01 e mede o faturamento líquido da empresa (receita bruta menos deduções e impostos sobre vendas). É utilizado na análise como uma proxy da disponibilidade de recursos da empresa para investir na área socioambiental. É um índice do tipo quanto menor, melhor o desempenho. Carlucci (2012) analisou a eficiência utilizando DEA em um número de 355 usinas, distribuídas por 16 estados. Os dados foram obtidos no anuário da cana na safra 2008/2009, utilizando como variáveis moagem total, em toneladas, açúcar e etanol produzidos com valores de ambos em toneladas. Destas 355 usinas, 60 são grandes, 163 médias e 132 pequenas e a distribuição ao longo do território, descritas na tabela 3. Além da análise quantitativa Carlucci (2012) utiliza um critério qualitativo, realizando visitas técnicas, entrevistas semiestruturadas junto aos gestores das usinas, além de ter entrevistado especialistas do setor a fim de aumentar o conhecimento técnico do setor. Das 355 usinas foram classificadas como eficientes um valor aproximado de 3% do total da população, oito das onze consideradas eficientes se encontram no estado de São Paulo, analisando pela classificação de tamanho das usinas fornecidas pela ÚNICA, existem cinco usinas grandes, duas usinas médias e quatro usinas pequenas eficientes. Como conclusão o

24 autor estabelece uma relação entre tamanho, localização e eficiência, afirmando que as usinas de São Paulo são mais eficientes que as das demais regiões e igualmente as usinas de grande porte também são mais eficientes que as demais. Tabela 3. Distribuição das usinas por estado. Localização N Usinas Porcentagem SP 170 48% MG 32 9% GO 28 8% PR 28 8% AL 24 6,75% PE 23 6,5% MS 14 3,5% MT 11 3% RJ 7 2% ES 6 2% PB 4 1% BA 3 0,85% MA 12 0,55% AM 1 0,3% SE 1 0,3% RS 1 0,3% Fonte: Carlucci (2012). Outro trabalho importante a ser citado, devida a semelhança com o presente estudo, foi o trabalho de Salgado Junior et. al. (2013), que analisa a eficiência operacional das usinas de cana-de-açúcar. Os autores utilizam dados do Anuário da Cana-de-Açúcar 2008/2009, estratificando as usinas pelo tamanho seguindo o critério da UNICA(2011). Além de classificar por tamanho as usinas são classificadas por estado, em total de 16. O modelo utilizado no trabalho foi o BCC com orientação a inputs, logo após calcular a fronteira de eficiência aplicam o teste estatístico de Mann-Whitney para testar se as proporções são significantemente diferentes do que do resto da população, por grupo de tamanho.

25 Concomitantemente aplicam o teste Binomial, para verificar se existe a mesma proporção de usinas eficientes no estado de São Paulo comparado com o restante da população. Salgado Junior et. al. (2013) concluem que existe uma tendência de que no grupo das usinas mais eficientes haja uma maior concentração no estado de São Paulo, porém conclui que o tamanho das usinas não é um fator determinante para a eficiência das mesmas. Por ultimo temos o trabalho de Oliveira (2015), que busca analisar os impactos que as usinas causam localmente quando se trata de desenvolvimento destas regiões. Como as usinas geram bastantes impactos econômicos nas regiões em que estão instaladas, seja por meio de contratações ou pela geração de tributos, em períodos de crises estas indústrias podem gerar externalidades negativas para estas regiões. Busca-se no trabalho avaliar a eficiência da gestão pública em promover o desenvolvimento local das regiões produtoras. As unidades que serão avaliadas na questão de eficiência serão os próprios municípios, como a técnica DEA exige homogeneidade entre as unidades de analise (dentro da metodologia DEA conhecidas como DMU s), se faz necessário utilizar técnicas que agrupem municípios que possuam características semelhantes. Além deste fator, também é destacado que metodologia DEA possui algumas armadilhas que necessitam de atenção, alguns destes problemas são resumidos e atrelados a protocolos que devem ser observados para resolver estes problemas, conforme se pode ver no Quadro 3. Quadro 3. Armadilhas e Protocolos na Execução de DEA. Armadilha Comparar unidades que não são homogêneas Comparar unidades em ambientes que não são homogêneos A escolha da escala Fatores Correlacionados Misturar indicadores e índices e indicadores de volume Protocolo Uma abordagem possível é buscar comparadores externos e, em seguida, fazer a comparação interna, comparando a posição de cada departamento em seu próprio campo. Outra possibilidade é aplicar clusters ou separa-los em seguimentos. O problema pode ser superado incluindo variáveis ambientais no modelo. O método tradicional não poderá diferenças de escala. O Retorno Variável sim, mas ele pode gerar uma armadilha caso não seja válida sua real utilização. Quando o retorno variável de escala não seja conhecido a priori, Banker (1996) propôs o uso de teste de hipóteses para o efeito de escala. Subconjuntos de inputs e outpus estão frequentemente correlacionados e é tentador omitir tais variáveis correlacionadas para aumentar o poder do modelo. O que é incorreto. Se uma variável essencial for excluída o impacto no modelo geral é negativo e deve ser evitado. Quando a correlação positiva é entre (input x output) a exclusão não altera o resultado. Mas se for entre pares (input x input, output x output) eles devem ser mantidos. Os indicadores devem ser do mesmo tipo. Uma alternativa é escalar o índice por algum input (pouco recomendável). Ou substituir o índice por outro indicador.

26 Uso de porcentagens e dados normalizado Fonte: Oliveira (2015). É aceito se todos os inputs e/ou outputs forem os mesmos. Para agrupar os municípios com características semelhantes fez-se primariamente por estado e posteriormente foi utilizado a técnica de Cluster K-means, dividindo os municípios em quatro clusters em função do desempenho da arrecadação. Para cada cluster foi realizado um modelo para cada dimensão de desenvolvimento que o autor classifica em quatro, que são: Social, Econômica, Política e Ambiental. Como inputs o autor utiliza os mesmos para os todos os modelos, conforme é descrito no quadro 4. Quadro 4. Inputs e fonte de coleta de dados. Fonte: Oliveira (2015). se enquadram. E em relação às outputs o quadro 5 descreve as variáveis e as dimensões nas quais elas

27 Quadro 5. Outputs do modelo DEA. Fonte: Oliveira (2015). Os resultados destes estudos são bastante extensos, já que são utilizados 16 modelos diferentes para a análise, mas como conclusão geral o autor afirma que os municípios são mais eficientes no desenvolvimento de suas dimensões sociais e econômicas, além disso, os municípios que possuem as usinas instaladas em seus territórios também apresentaram índices de eficiência superior que os demais. Novamente, a dimensão ambiental é a que apresenta o pior resultado, nos dando indício de que a questão ambiental não é priorizada nem pelas as usinas produtoras, nem pelos governos a nível municipal. 3.2. Produção Sucroalcooleira brasileira. O setor sucroalcooleiro brasileiro é de relevante papel dentro da economia brasileira, representando um setor de extrema importância para segurança alimentar e energética do país. A Gráfico 1 logo abaixo nos mostra como é dispare a produção de cana-de-açúcar, em relação a outras culturas, o valor em toneladas produzidas no Brasil no ano de 2009 comparando com outras lavouras temporárias brasileiras.

28 Gráfico 1. Produção em toneladas de cana de açúcar no ano de 2009. 800.000.000 700.000.000 600.000.000 500.000.000 400.000.000 300.000.000 200.000.000 100.000.000 0 Lavoura Temporária 2009 (toneladas) Soja (em grão) (Toneladas); 57.345.382 Milho (em grão) (Toneladas); 50.719.822 Cana-de-açúcar (Toneladas); 691.606.147 Fonte: Censo da agricultura Instituto Brasileiro de Geográfica e Estatística (IBGE). No ano de 2009 a cana-de-açúcar é o produto mais volumoso da produção agrícola, superando em doze vezes a produção de soja que é a segunda maior em volume para o ano de 2009. Apesar da cultura da cana-de-açúcar possuir este elevado volume de produção, isso não se reflete em valor de produção, perdendo o posto para a soja, a cultura com o maior valor de produção dentre as lavouras temporárias. Uma possível explicação pode ser devido à cana-deaçúcar ser utilizada como insumo para produção de açúcar e álcool, estes sim os produtos finais, diferente da soja que tem sua destinação primariamente para a exportação e geralmente comercializada com baixo ou nenhum beneficiamento. O gráfico 2, exemplificará o valor da produção da cana de açúcar comparada a outros produtos também de lavoura temporária.

29 Gráfico 2. Valor da Produção das lavouras temporárias brasileiras. 40.000.000 35.000.000 30.000.000 25.000.000 20.000.000 15.000.000 10.000.000 5.000.000 0 Valor da Produção (em mil reais) 37.988.045 24.634.948 15.032.484 Fonte: Censo da agricultura IBGE. Apesar da soja liderar em termos de valor da produção, a cana-de-açúcar é o segundo em termos de valor de produção, o que destaca este setor dentro da economia brasileira, especificamente da agroindústria. Outro questão importante diz respeito ao tamanho das áreas colhidas destas lavouras, que estão ilustrados no gráfico 3 para comparação com as outras lavouras temporárias no Brasil. Gráfico 3. Área colhida das lavouras temporárias 2009. Área Colhida 2009 (hectares) 25.000.000 21.750.468 20.000.000 15.000.000 10.000.000 5.000.000 8.617.555 4.099.991 13.654.715 0 Fonte: Censo da agricultura IBGE. Quando se trata do tamanho das áreas colhidas, a cana-de-açúcar fica em terceiro lugar, atrás do milho e soja. Este é um ponto de discussão bastante forte, Salgado Junior et al. (2013) citando Goldemberg, Coelho, Guardabassi (2008), ressalta que a cultura da cana-de-

30 açúcar pode causar possíveis impactos negativos, dentre eles: a destruição ou danos causados em áreas de biodiversidade, desmatamento, degradação do solo através do uso de produtos químicos de descarbonização do solo, contaminação de recursos hídricos, competição entre produção de alimentos e produção de combustíveis, além de uma piora nas condições de trabalho nos campos de produção.

31 4. METODOLOGIA 4.1. Descrição do Método Para a realização do estudo foi utilizada a metodologia de Análise Envoltória de Dados (DEA), desenvolvida por Charnes et al. (1978), que pode ser definida como uma técnica de pesquisa operacional que se baseia em programação linear e tem por objetivo comparar o desempenho operacional de unidades de produção quanto à transformação de seus insumos em produtos, criando uma fronteira de eficiência relativa (COOPER et al.,2004). Charnes et al. (1978) definem que a taxa de eficiência relativa de uma DMU (Decision Making Units), que se refere às unidades tomadoras de decisão, as quais transformam seus insumos em produtos, é igual a razão entre a soma ponderada dos produtos e a soma ponderada dos insumos, onde os pesos de ambos são selecionados de forma a maximizar a medida de eficiência de cada DMU estudada, de forma que o conjunto de pesos obtidos para cada DMU deve ser também possível para todas as outras, de forma que nenhuma DMU possa apresentar score maior que um. Trata-se de um problema de programação fracionária que pode ser linearizado e transformado no Problema de Programação Linear (PPL) ilustrado em (1), onde h0 é a eficiência da DMU o que está sendo analisada, x io e y io são, respectivamente, os inputs e outputs desta DMU e v i e u j, são os pesos calculados para seus respectivos inputs e outputs. Para o nosso trabalho em questão será utilizado três variações da técnica do DEA. A primeira técnica é o modelo CCR, conhecido como modelo de retornos constantes, onde se busca maximizar o quociente entre a combinação linear dos inputs, com restrição de que para qualquer DMU esse quociente não pode ser maior do que 1. (Âgulo Meza et al., 2007). O problema de programação linear é descrito em (1), no qual h o é a eficiência da DMU em análise, x io e y jo são os inputs e os outputs da DMU o, v i e u j são os pesos calculados pelo modelo para cada input e output. m max = h o u j y jo sujeito a n j=1 v i x io = 1 i=1

32 m u j y jk j=1 n v i x ik i=1 0 (1) k = 1,, s u j, v i 0 i, j Já o modelo BCC modifica o modelo CCR adicionando a hipótese de retornos não constantes de escala, e segundo Ãgelo Meza et al. (2007), considera situações de eficiência de produção com variação de escala sem assumir uma relação de proporcionalidade entre inputs e outputs, e seu problema de programação linear é apresentado em (2). s max h o = u j y jo u sujeito a m j=1 v i x io = 1 i=1 s u j y jk j=1 n v i x ik u 0 (2) i=1 k = 1,, n u j, v i 0 x, y u R A terceira e ultima variação do DEA a ser utilizado neste trabalho, é o modelo de retornos decrescentes de escala, que modifica o modelo BCC e cria uma fronteira que capta todos aqueles que estão na zona de rendimentos decrescentes, com o problema de programação matemática descrito em (3): s max h o = u j y jo u sujeito a m j=1 v i x io 1 i=1 s u j y jk j=1 n v i x ik u 0 (3) i=1

33 k = 1,, n u j, v i 0 x, y u 0 A técnica DEA cria uma superfície envoltória que representa uma fronteira eficiente, a eficiência é dada por aquelas usinas que conseguem a maior quantidade de outputs, em relação às outras DMU s, que utilizam a menor quantidade de inputs para atingir um dado nível de outputs. Permite fazer projeções, da combinação de insumos, permitindo que se possa reduzir insumos ou aumentar produtos até o ponto que se atinja a fronteira de eficiência. Cria DMU s de referência, que serve de benchmark para que os gestores possam tomar decisões baseados em DMU s que já estão na fronteira (VASCONCELOS et al.,2006). A utilização destas três variações tem como objetivo, primariamente, analisar as eficiências técnicas considerando retornos variáveis de escala através do modelo BCC, já que estamos utilizando diferentes tamanhos de usinas, e a escala em que se encontram as usinas faz parte de uma análise que é necessária para não comparemos usinas que tenham características de produção muitos diferentes. Os modelos CCR e DRS têm como objetivos a análise de eficiência de escala, os coeficientes dos três modelos serão analisados e comparados para assim obteremos além da eficiência técnica a eficiência de escala, podendo assim identificar em que região, se constante, crescente ou decrescente, as usinas estão operando. 4.2. Descrição das variáveis Os dados sobre as usinas de açúcar e álcool utilizados neste trabalho foram obtidos do Anuário da Cana 2, safra 2008/2009. A escolha do anuário da cana de 2009 é devido ao fato de que as informações contidas eram as mais recentes em relação ao início desta pesquisa, destacando ainda que aquisição destes dados envolve custos financeiros por parte da instituição/pesquisador, o que caracterizou um fator limitante para expansão da análise em outros períodos de tempo. Como inputs (insumos) foram utilizados quantidade de empregados e total da moagem, como outputs (produtos) açúcar e álcool. Foram coletados dados de 62 usinas localizadas no Nordeste, Sudeste, Sul e Centro-Oeste. A escolha de inputs e outputs foi semelhante à de Salgado et al. (2013), porém com a diferença de que foi acrescentada na 2 Disponível em: <https://www.jornalcana.com.br/anuario-da-cana/>.

34 presente pesquisa a variável emprego para analisar também como a produtividade do trabalho afeta a eficiência das usinas. A escolha das variáveis também foi norteada pela disponibilidade de dados pelas usinas. Dessa forma, não foi possível utilizar as informações de todas as usinas que estavam catalogadas no anuário da cana, pois muitas não apresentaram o número de empregados por exemplo. No quadro 6, tem-se um resumo das variáveis que foram utilizadas nesta pesquisa. Quadro 6. Variáveis utilizadas na pesquisa. Variáveis Unidade de medida Classificação Definição Moagem Toneladas (ton) Input Valor total, em toneladas de cana-de-açúcar, utilizados na produção de açúcar e etanol safra 2008/2009. Emprego Número de empregados Input Valor total, em números de trabalhadores contratados, para a safra 2008/2009. Açúcar Toneladas (ton) Output Valor total, em toneladas, de açúcar produzido na safra 2008/2009. Etanol Fonte: Elaboração própria. Metros cúbicos (m³) Output Valor total, em metros cúbicos, de etanol produzido na safra 2008/2009. 4.3. Descrição da amostra Foram utilizadas dados de 62 usinas distribuídas pelas regiões Nordeste, Centro-Oeste, Sudeste e Sul. Como já mencionado, os dados foram coletados do anuário da cana 2009, porém só foram escolhidas as usinas que possuíam todas as informações que foram descritas no item anterior, excluindo as demais da amostra. A razão da exclusão da região Norte se deu devido à existência de apenas uma usina com os critérios necessários para a inclusão na amostra. Como este trabalho analisa a média por região, decidiu por excluir está única usina e como consequência a região Norte foi retirada da análise. A tabela 4 apresenta um resumo das usinas por região.