Académique Documents
Professionnel Documents
Culture Documents
Convergence Analysis of Income in Santa Catarina Between 2001 na 2012: GDP per
capita, spatiality, personal income and demographics
Krisley Mendes1
Fábio Nobuo Nishimura2
Márcio de Castro Rodrigues3
Abstract: This paper analyzes the absolute and conditional convergence of income in
Santa Catarina. First, based on per capita GDP, analyzing spatial dependence
among the 293 municipalities in the state. Subsequently, based on PNAD, analyzing
the dynamics of inequality across generations. The theoretical model comes from
Solow and Jones (1997) and instruments derived from the tools of spatial
econometrics and the analysis of panel data, using corrections for complex samples.
The results show that there is income convergence between the municipalities of
Santa Catarina, but no spatial dependence. There are also intergenerational
convergence being strongly driven by educational and worker training policies. Each
additional year of study adds 20% and income differential in each year of experience
7%.
Keywords: convergence, Santa Catarina, PNAD
JEL:R00
1. INTRODUÇÃO
2. MATERIAIS E MÉTODOS
2.1. Materiais
2.2. Métodos
4Ver em Silva, et al, 2002 maior detalhamento da construção da amostra da PNAD, a influência de
amostras complexas na robustez de modelos e seu tratamento.
𝑦̌ = 𝑘̌ 𝛼 (2)
𝐿̇⁄𝐿 = 𝑛 (3)
𝑠𝑌
𝐾̇ ⁄𝐾 = 𝐾 − 𝑑 (4)
𝐴̇⁄𝐴 = 𝑔 (5)
̌̇
k ̌
s,y
̌ = ̌ − (n + g + d) (6)
k k
𝑌 = 𝐴. (𝑠⁄𝑛 + 𝑔 + 𝑑 )
∗ 1−𝛼
(8)
𝑑𝑙𝑛𝑎
Como “a” é constante 𝑑𝑡 = 0, então a taxa de crescimento do produto
no tempo depende do progresso tecnológico A.
Para países com mesmas condições iniciais o produto de estado
estacionário converge em nível, ou seja, seus produtos serão iguais, o que se
define por convergência absoluta. O modelo de Solow prevê a convergência
em taxa, que é chamada convergência condicional: países crescerão à
mesma taxa, mas seus produtos serão diferentes por suas condições iniciais.
Se há dinâmica de convergência condicional cada região precisa de uma
política diferente.
A velocidade de crescimento de cada país ou região dependerá da
distância que cada um estiver de seu estado estacionário. Um país próximo
de seu estado estacionário cresce a uma taxa menor que outro que esteja
distante do seu estado estacionário (EE). As implicações em termos de
política é definir qual variável pode ser afetada por um choque de modo a
fazer o país que esteja próximo de seu EE retomar o crescimento, ou
postergar sua estacionaridade. Pelo modelo, essa variável seria a poupança,
única passível de ser afetada por política pública, como choques em fundo de
pensão entre outras.
A velocidade com que a economia atinge o estado estacionário é
importante do ponto de vista de políticas. É dada por uma proporção da
diferença entre o produto corrente e o produto do estado estacionário.
∆ ln 𝑦𝑡 = 𝜆0 + 𝜆1 . ln 𝑦0 + 𝑔𝑡 (12)
3. RESULTADOS E DISCUSSÃO
1
= −(1 − ℮−𝛽𝑡
2
1
− = −℮−𝛽𝑡
2
1
−𝛽𝑡 = 𝑙𝑛
2
𝛽𝑡 = 0,693
𝑡 = 0,693⁄𝛽 ) (17)
(.4051561,1.122812]
(.2519789,.4051561]
(.1216316,.2519789]
[-.746912,.1216316]
Fonte: Elaboração própria com dados do IBGE e auxílio do software Stata 11.1.
Fonte: Elaboração própria com dados do IBGE e auxílio do software Stata 11.1.
-1 -1
-4 -3 -2 -1 0 1 2 3 4 -3 -2 -1 0 1 2 3 4 5
z z
Fonte: Elaboração própria com dados do IBGE e auxílio do software Stata 11.1.
6Alto-Alto:
municípios de alto desenvolvimento cercados por municípios de alto desenvolvimento; Alto-
Baixo: municípios de alto desenvolvimento cercados por municípios de baixo desenvolvimento; Baixo-
92 193
189 6
1 55 112
174
54
29382 289 137
133
129 81 266 27177 128 264
66
203
25 182
30 124
234 158206 253 150 176 59 245
200 17952 163 74 181237
282
64 152
62 131101
288
145 8 272 250 94
63 153194
87
122 210
228
58
49
239
263
167 134
170248 227
109
15
120
148 102
70100
2 22144 164
274
135 57
202 79
2441 216205
21 261 14105
29 39
85 110 98
151 18424940
Wz
220 34
99
208284 236
44
78
12 53
180 218 68
195 199
0 140
252
42 127 19
187
142
292 67
106
191
273 156
259
217 75 45
2797248
188 291
121
371 125
183
232
139
130 3346 168 242
207 268 197
27
224 258
165213
243
97
16113
1036
162 267
244
73
275
255 223
247
26
287
215
192
280
88103
114
155 71
175 265
5661 32 1695
256 270
116
219
154 16
108
60 204
23820
65 231
230 269
28 93
283
160 196
147
9141
31 178
132
190 233
11 119
166 80 104
17 83276
90 111
113
209
212 9686
240 20184
222 115 91
35
43
38235
117
281
107171
229 23
69 118 50 143
260
2264
225
172
21489 76 278 146 18
285 95 7 126
221
257 149 262 3 173 286123 251 51
177 198254290 186 159
136185 47
157 241
246211
277
-1 138
-2
-4 -3 -2 -1 0 1 2 3 4 5
z
Fonte: Elaboração própria com dados do IBGE e auxílio do software Stata 11.1.
Baixo: municípios de baixo desenvolvimento cercados por municípios de baixo desenvolvimento; Baixo-
Alto: municípios de baixo desenvolvimento cercados por municípios de alto desenvolvimento
Dummy
para coortes Não não sim sim não não sim sim
β-
Velocidade -0,0103 -0,021 -0,0436 - -0,02582 -0,2781 - -
R2 0.0648 0.2439 0.3162 0.1134 0.1493 0.4990 0.6072 0.4748
N. Obs 126 126 126 126 126 126 126 126
Fonte: estimativas dos autores a partir de dados da PNAD (IBGE). *os valores entre
parênteses são os ρ-valor dos parâmetros.
4. CONSIDERAÇÕES FINAIS
5. REFERÊNCIAS