Padrões de comércio interestadual no Brasil, 1985 e 1997

Prévia do material em texto

61F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
R. Econ. contemp., Rio de Janeiro, 10(1): 61-88, jan./abr. 2006
PADRÕES DE COMÉRCIO INTERESTADUAL 
NO BRASIL, 1985 E 1997*
Fernando Salgueiro Perobelli**
Eduardo Amaral Haddad***
RESUMO O principal objetivo deste trabalho é verifi car o padrão de comércio 
entre as 27 unidades da Federação para os anos de 1985 e 1997. A fi m de imple-
mentar tal análise foram utilizados dados dos fl uxos de comércio inter-regional 
(CONFAZ e IBGE). A análise espacial permite detectar a presença de autocorrelação 
espacial global e local na distribuição de comércio e em seus componentes. Os 
resultados da estatística LISA nos permitem observar a existência de heterogenei-
dade espacial no comércio inter-regional durante o período de análise. A existên-
cia de clusters de alto comércio e baixo comércio inter-regional durante o período 
de análise pode indicar a persistência de disparidades regionais entre as unidades 
da Federação no curto prazo.
Palavras-chave: análise exploratória espacial; autocorrelação espacial; heteroge-
neidade espacial e economia brasileira
Código JEL: O18, O54, R11, R12
THE BRAZILIAN INTER-REGIONAL TRADE PATTERN: 1985 E 1997
ABSTRACT The aim of this paper is explore the spatial distribution of the interre-
gional trade among the 27 Brazilian states for the years 1985 and 1997. To imple-
ment this methodology we use, as a dataset, the interregional exports and imports
 * Artigo recebido em 16 de setembro de 2004 e aprovado em 15 de dezembro de 2005. Os autores 
agradecem os comentários de Julie Le Gallo, Mônica Haddad e Rangel Galinari em versões anterio-
res deste texto e aos pareceristas anônimos da Revista de Economia Contemporânea, eximindo-os de 
qualquer erro. Do mesmo modo mostram-se reconhecidos ao fi nanciamento da CAPES e do CNPq, 
concedido ao primeiro e segundo autores, respectivamente.
 ** Coordenador e professor de mestrado em Economia Aplicada da FEA/UFJF e pesquisador do 
NEREUS/USP, e-mail: fernando.perobelli@ufjf.edu.br
 *** Professor do IPE/USP e pesquisador do NEREUS/USP, bolsista do CNPq, e-mail: ehaddad@usp.br
62 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
fl ows (CONFAZ and IBGE). Based on a set of tools of spatial analysis it is possible 
to detect the presence of global and local spatial autocorrelation in the distribution 
of trade and its components. The results of LISA statistics enable us to observe the 
presence of spatial heterogeneity in the interregional trade during the period of 
analysis. This paper concludes that the detection of spatial clusters of high and low 
interregional trade throughout the period is an indication of the persistence of spa-
tial disparities among the Brazilian states.
Key words: exploratory spatial analysis; spatial autocorrelation; spatial heteroge-
neity and Brazilian economy
63F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
INTRODUÇÃO
O objetivo deste trabalho é estudar, com maior grau de detalhamento, os fl u-
xos de comércio inter-regional nos anos de 1985 e 1997 e, portanto, ter uma 
idéia da evolução do grau de integração do mercado nacional. Em outras 
palavras, busca-se verifi car qual é a dinâmica espacial do comércio inter-
regional brasileiro, ou seja, trabalhar os aspectos espaciais da base de dados, 
explicitando se há regimes espaciais de comércio, comportamento atípico 
das unidades da Federação, formação de clusters de comércio e classifi ca-
ção de tais clusters (e.g. regiões de alto comércio vizinhas de regiões de alto 
comércio, regiões de baixo comércio vizinhas de regiões de baixo comércio, 
regiões de alto comércio vizinhas de regiões de baixo comércio etc.). 
Portanto, não é objetivo deste trabalho fazer uma análise comparativa 
com os demais da literatura, que tratam da questão do comércio inter-re-
gional. Entre os trabalhos sobre o tema destacam-se: (a) Galvão (1999 e 
1993), que estuda o comércio interestadual no período 1948-1969, (b) Diniz 
e Lemos (1989), que analisam os fl uxos inter-regionais para o período 1970-
1980, (c) Pacheco (1998), que, a partir dos dados das balanças comerciais 
interestaduais, faz uma análise para o período 1975-1985, e (d) Domingues 
et al. (2002), os quais examinam as mudanças nos fl uxos de comércio inter-
regional brasileiro, para o período 1985-1997. 
Cabe aqui dar maior ênfase aos resultados encontrados por Pacheco 
(1998) e Domingues et al. (2002), pois, apesar de usarem metodologias di-
ferentes daquela apresentada no presente artigo, utilizam a mesma base de 
dados para o ano de 1985, no caso de Pacheco (1998), e no caso de Domin-
gues et al. (2002), tanto para o ano de 1985 como para 1997.
Pacheco (1998) analisa o comércio inter-regional a partir de três indi-
cadores: (a) coefi cientes de comércio inter-regional em percentagem do 
PIB, (b) participação do comércio inter-regional no comércio interestadual 
e (c) balança comercial em termos do PIB de cada unidade da Federação. 
A análise de Pacheco (1998) para os dados do ano de 1985 mostra que (1) 
as exportações de São Paulo para as demais unidades da Federação em 1985 
eram 30,7% do PIB e as exportações do resto do Brasil para São Paulo eram 
13,2% do PIB. Isso refl ete a importância do mercado paulista enquanto des-
tino da produção dos bens produzidos nas demais unidades da Federação; 
e (2) em geral, a participação do comércio inter-regional, em termos do
64 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
conjunto das vendas interestaduais das unidades da Federação de uma de-
terminada macrorregião, tem aumentado, isto é, a importância do comércio 
inter-regional diante das operações intra-regionais torna-se maior. No caso 
das exportações, a participação inter-regional para o Norte é de 88% do 
comércio interestadual e 59,6% para o Nordeste.
Domingues et al. (2002), como afi rmamos anteriormente, usam a mes-
ma base de dados do presente artigo, embora utilizem metodologia diferente 
(e.g. modelo gravitacional e análise de cluster). Os autores captam a questão 
espacial no modelo gravitacional utilizando apenas uma dummy de região. 
Domingues et al. (2002) mostram (a) a importância dos estados maiores 
(em termos de PIB) no comércio inter-regional; (b) o papel da distância na 
determinação dos fl uxos de comércio. Segundo os autores, utilizando um 
modelo gravitacional, ainda é possível verifi car que os estados vizinhos têm 
um comércio maior; (c) que há maior similaridade no padrão de comércio 
entre os maiores estados; e (d) que São Paulo exibe um comportamento 
distinto dos demais estados.
Logo, este artigo tem caráter complementar à análise realizada pelos au-
tores citados, como também visa preencher a lacuna existente na literatura 
brasileira para o período recente e, assim, contribuir para o melhor enten-
dimento das questões comerciais das unidades da Federação.
Com base nas contas estaduais construídas por Haddad et al. (2002) 
para o ano de 1996, pode-se perceber que: (a) para os estados do Sudeste e 
do Sul, a participação das exportações totais na formação do PRB (Produto 
Regional Bruto) é maior do que a participação das importações; (b) para to-
das as unidades da Federação o comércio inter-regional (exportações e im-
portações) é mais importante do que o comércio internacional, em termos 
de formação do PRB; e (c) todas as unidades da Federação localizadas nas 
regiões Sudeste e Sul, com exceção de Minas Gerais, apresentam resultados 
superavitários na balança comercial total, ao passo que as unidades da Fe-
deração localizadas nas regiões Norte, Nordeste e Centro-Oeste apresentam 
défi cit na balança comercial.
Assim sendo, a análise da questão das disparidades espaciais do comér-
cio entre as unidades da Federação é realizada, neste trabalho, a partir da 
análise exploratória de dados espaciais (AEDE), ou seja, a partir da análiseda autocorrelação espacial, da heterogeneidade espacial, dos clusters de co-
65F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
mércio (e.g. alta intensidade de importações e exportações) para o comércio 
inter-regional brasileiro, para os anos de 1985 e 1997. A partir da AEDE ob-
jetiva-se incorporar os problemas locacionais na discussão sobre comércio. 
Tal discussão é muito importante para a análise da performance econômica 
das regiões.
O problema locacional possibilita trabalhar com dois efeitos espaciais 
diferentes, a saber, dependência espacial e heterogeneidade espacial. A de-
pendência espacial está diretamente relacionada à primeira lei da geogra-
fi a.1 Tomando por base essa lei, é possível afi rmar que as observações estão 
espacialmente aglomeradas, conseqüentemente, há clusters. Assim, os da-
dos geográfi cos não serão independentes. É importante salientar que, sob 
a perspectiva geográfi ca, a dependência espacial é uma regra. A dependên-
cia dos dados espaciais pode ser classifi cada como autocorrelação espacial. 
Portanto, localizações similares (e.g. observações que apresentam um certo 
grau de proximidade espacial) apresentam valores similares (correlação). 
Logo, haverá autocorrelação positiva quando valores altos ou baixos de uma 
variável aleatória específi ca formarem clusters espaciais, e autocorrelação 
espacial negativa quando os vizinhos de uma determinada área geográfi ca 
apresentarem valores diferentes.
O conceito de heterogeneidade espacial está relacionado com a idéia de 
instabilidade do comportamento econômico no espaço. Em outras palavras, 
liga-se à diferenciação espacial ou regional, ou seja, à concepção de que exis-
tem características intrínsecas a cada região. Em conseqüência, é possível 
haver diversos padrões espaciais no desenvolvimento econômico. Então, os 
resultados podem apresentar regimes espaciais (e.g. um cluster com regiões 
desenvolvidas, centro, ou um cluster com regiões menos desenvolvidas, pe-
riferia) (Le Gallo e Ertur, 2003).
 Assim sendo, a análise do padrão de comércio entre as unidades da Fe-
deração para os anos de 1985 e 1997 realiza-se pelas medidas de autocor-
relação espacial global e autocorrelação espacial local. A matriz de transi-
ção de probabilidades é utilizada para verifi car a robustez dos resultados da 
associação espacial local. Para tal, o artigo, além desta parte introdutória, 
apresenta de forma breve a metodologia utilizada, na seção 1. Na seção 2 os 
principais resultados encontrados são discutidos e na seção 3 apresentam-se 
as considerações fi nais.
66 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
1. METODOLOGIA
A AEDE está baseada nos aspectos espaciais da base de dados, ou seja, trata 
diretamente de questões como dependência espacial (e.g. associação espa-
cial) e heterogeneidade espacial. Em outros termos, o objetivo deste mé-
todo é descrever a distribuição espacial, os padrões de associação espacial 
(clusters espaciais), verifi car a existência de diferentes regimes espaciais ou 
outras formas de instabilidade espacial (não-estacionariedade) e identifi car 
observações atípicas (i.e., outliers). A partir disso é possível extrair medidas 
de autocorrelação espacial e autocorrelação local (Anselin, 1998).
1.1 Autocorrelação espacial global
A autocorrelação espacial pode ser calculada a partir da estatística I de Mo-
ran. Essa estatística fornece a indicação formal do grau de associação linear 
entre os vetores de valores observados no tempo t (zt) e a média ponderada 
dos valores da vizinhança, ou seja, os lags espaciais (Wzt).2 Valores de I maio-
res (ou menores) do que o valor esperado E (I) = –1/(n – 1) signifi ca que há 
autocorrelação positiva (ou negativa). Seguindo Cliff e Ord (1981), em ter-
mos formais, a estatística I de Moran pode ser expressa da seguinte forma:
 n z'tWzt It = (—)(———) t = 1, (...) n (1)
 So z't zt
onde zt é o vetor de n observações para o ano t na forma de desvio em rela-
ção à média. W é a matriz de pesos espaciais: os elementos wii na diagonal 
são iguais a zero, enquanto os elementos wij indicam a forma como a região 
i está espacialmente conectada com a região j. So é um escalar igual à soma 
de todos os elementos de W.
Quando a matriz de pesos espaciais é normalizada na linha, isto é, quando 
os elementos de cada linha somam 1, a expressão (1) toma a seguinte forma:
 zt'Wzt It = (— 
 
——) t = 1, (...) n
 z't zt
 
(2)
É importante ressaltar que a estatística I de Moran é uma medida global, 
portanto não é possível observar a estrutura de correlação espacial em nível 
regional. 
67F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
1.2 Autocorrelação espacial local
A fi m de observar a existência de clusters espaciais locais de valores altos ou 
baixos e quais as regiões que mais contribuem para a existência de autocor-
relação espacial, devem-se implementar as medidas de autocorrelação es-
pacial local, quais sejam: gráfi co de dispersão de Moran e LISA (Indicadores 
Locais de Associação Espacial).
1.2.1 Gráfi cos de dispersão de Moran
Segundo Anselin (1996), o gráfi co de dispersão de Moran é uma das formas 
de interpretar a estatística I de Moran. Em outras palavras, é uma repre-
sentação do coefi ciente de regressão e permite visualizar a correlação linear 
entre z e Wz a partir do gráfi co de duas variáveis. No caso específi co da es-
tatística I de Moran, tem-se o gráfi co de Wz e z. Portanto, o coefi ciente I de 
Moran é a inclinação da curva de regressão e essa inclinação indica o grau 
de ajustamento.
O gráfi co de dispersão de Moran é dividido em quatro quadrantes. Esses 
quadrantes correspondem a quatro padrões de associação local espacial en-
tre as regiões e seus vizinhos.
O primeiro quadrante (localizado na parte superior direita) mostra as 
regiões que apresentam altos valores para a variável em análise (e.g. valo-
res acima da média) cercadas por regiões que também apresentam valores 
acima da média para a variável em análise. A classifi cação atribuída a esse 
quadrante é alto-alto (AA).
O segundo quadrante (localizado na parte superior esquerda) mostra as 
regiões com valores baixos cercados por vizinhos que apresentam valores 
altos. Esse quadrante é geralmente classifi cado como baixo-alto (BA).
O terceiro quadrante (localizado no canto inferior esquerdo) é constituí-
do pelas regiões com valores baixos para as variáveis em análise cercados 
por vizinhos que também apresentam baixos valores. Esse quadrante é iden-
tifi cado como baixo-baixo (BB).
O quarto quadrante (localizado no canto inferior direito) é formado 
pelas regiões com altos valores para as variáveis em análise cercadas por re-
giões com baixos valores. Tal quadrante classifi ca-se como alto-baixo (AB).
As regiões que estão localizadas nos quadrantes AA e BB apresentam auto-
correlação espacial positiva, ou seja, essas regiões formam clusters de valores 
68 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
similares. Por outro lado, os quadrantes BA e AB apresentam autocorrelação 
espacial negativa, logo, essas regiões formam clusters com valores diferentes.
1.2.2 Indicadores locais de associação espacial (LISA)
Segundo Anselin (1995), um “Indicador Local de Associação Espacial 
(LISA)” é qualquer estatística que satisfaça dois critérios: (a) um indicador 
LISA deve possuir, para cada observação, uma indicação de clusters espaciais 
signifi cantes de valores similares em torno da observação (e.g. região) e (b) 
o somatório dos LISAs, para todas as regiões, é proporcional ao indicador de 
autocorrelação espacial global.
De acordo com Le Gallo e Ertur (2003), a estatística LISA pode ser espe-
cifi cada da seguinte forma:
 (xi, t – µt) (xi, t – µ)2
Ii,t= ——— Σwij (x – µ) com mo = ——— (3) mo j n
onde xi,t é a observação na região i para o ano t e µt é a médiadas observações 
entre as regiões no ano t para a qual o somatório em relação a j é tal que 
somente os valores vizinhos de j são incluídos.
A estatística pode ser interpretada da seguinte forma: valores positivos 
de Ii,t signifi cam que existem clusters espaciais com valores similares (alto 
ou baixo); valores negativos signifi cam que existem clusters espaciais com 
valores diferentes entre as regiões e seus vizinhos.
De acordo com Anselin (1995), a estatística LISA é utilizada para medir a 
hipótese nula de associação espacial local. É importante salientar que assim 
como a distribuição para as estatísticas globais, a distribuição genérica para 
a estatística LISA também é de difícil apuração. Portanto, para solucionar o 
problema deve-se trabalhar com resultados assintóticos. Assim, a alterna-
tiva é a utilização de uma randomização condicional ou uma permutação 
que permita auferir pseudoníveis de signifi cância. Os níveis de signifi cância 
das distribuições marginais são aproximados a partir das desigualdades de 
Bonferroni ou a partir da estrutura proposta por Sidák (1967) apud An-
selin (1995). “O signifi cado disso é que a variância total associada com as 
comparações múltiplas (testes de correlação) é defi nida como α, e existem 
m comparações. Logo, a signifi cância individual αi poderia ser defi nida 
como α/m (Bonferroni) ou 1 – (1 – α)1/m (Sidák)” (Anselin, 1995: 96). Nes-
te trabalho é utilizada a análise de Bonferroni.3
69F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
1.3 Determinação da matriz de pesos espaciais
A matriz de peso é a forma de expressar a estrutura espacial (e.g. continui-
dade) dos dados, sendo o ponto inicial para qualquer teste estatístico ou 
modelo. Há na literatura um grande número de matrizes de peso. É possível 
implementar um AEDE com base em uma matriz de continuidade binária 
ou a partir de uma estrutura mais complexa. A matriz de peso espacial W, 
utilizada neste trabalho, está baseada na idéia dos k vizinhos mais próxi-
mos. O cálculo utiliza a idéia de grande círculo entre os centros das regiões. 
A escolha da matriz de peso é muito importante em uma análise AEDE, pois 
todos os passos subseqüentes (ou resultados) dependerão dessa seleção.4
A forma da matriz de pesos espaciais é a seguinte:
 wij (k) = 0 se i = j
 wij (k) = 1 se dij ≤ Di (k) e wij (k) / Σ wij (k) para k = 1, 2, (...), n (4)
 
 j
 wij (k) = 0 se dij > Di (k)
onde dij é a distância, medida pelo grande círculo, entre os centros da regiões 
i e j e Di (k) é um valor crítico que defi ne o valor de corte, ou seja, a distân-
cia máxima para considerar regiões vizinhas à região i. Isto signifi ca que 
distâncias acima desse ponto não serão levadas em consideração, não sendo 
tomadas como vizinhas.
Segundo Le Gallo e Ertur (2003), a escolha de um número fi xo de vizi-
nhos mais próximos, em vez do uso de uma matriz simples de continuidade, 
é melhor, pois evita alguns problemas metodológicos possíveis em função 
da variação no número de vizinhos.
2. BANCO DE DADOS E RESULTADOS EMPÍRICOS5
2.1 Banco de dados
Cabe ressaltar que não há uma série temporal longa de matrizes de comércio 
inter-regional. Portanto, este trabalho utiliza os dados das Balanças Comer-
ciais Interestaduais publicados pela Secretaria de Economia e Finanças do 
Ministério da Fazenda, com base em dados da Guia de Informação e Apura-
ção do ICMS (GIA). Essa base de dados fornece informações sobre operações 
�
70 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
tributadas e operações globais (tributadas, isentas etc.) das entradas e saídas 
de mercadorias transacionadas bilateralmente pelas unidades da Federação. 
Para o ano de 1985, as informações da Balança Comercial das unidades da 
Federação foram obtidas junto ao IBGE, mais precisamente na Revista de 
Finanças Públicas. Já para o ano de 1997, as informações de exportações e 
importações interestaduais foram obtidas no site do Ministério da Fazenda, 
especifi camente no site do Conselho Nacional de Política Fazendária (CON-
FAZ), na publicação da Balança Comercial Interestadual.
A utilização de tais variáveis deve ser realizada com uma certa cautela, 
pois existem algumas limitações, como, por exemplo, (a) o preenchimento 
correto das Guias de Informação e Apuração do ICMS, (b) o levantamento 
parcial das informações (cerca de 70% do universo) e (c) a subestimação 
das operações com produtos agrícolas. Entretanto, mesmo com a existên-
cia de restrições na base de dados, é importante ressaltar que elas não se 
tornam um impeditivo para a implementação da análise da estrutura de 
comércio inter-regional das unidades da Federação como proposta neste 
trabalho. A possibilidade de melhor entender a dinâmica espacial das inte-
rações entre as unidades da Federação mais do que compensa as limitações 
da base de dados.
O tratamento implementado na base de dados foi o seguinte: (a) os da-
dos de 1985 (Cr$ bilhões) foram corrigidos para Reais (valores de 1997); 
(b) os dados de 1997 não sofreram modifi cações em termos de correção; e 
(c) os dados de 1985 e 1997 foram logaritmizados.
2.2 Autocorrelação espacial global
A tabela 1 mostra os resultados para a estatística I de Moran para o co-
mércio inter-regional e seus componentes (exportações e importações) nos 
anos de 1985 e 1997. Todos os coefi cientes são positivos e estatisticamente 
signifi cantes (p-value 0,001), tomando por base 10 mil permutações aleató-
rias (Anselin, 1995). Os coefi cientes de autocorrelação espacial global para 
o comércio inter-regional e seus componentes são signifi cantes. Portanto, 
é possível afi rmar que a distribuição forma clusters em ambos os períodos. 
Em outras palavras, as regiões com valores de comércio altos (baixos) es-
tão localizadas próximo a outras regiões com valores de comércio igual-
mente altos (baixos). Esse padrão ocorre mais freqüentemente do que se 
as localizações fossem tomadas de forma aleatória. Para o ano de 1985, a 
71F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
autocorrelação espacial é signifi cante, mas menos intensa.4 Isso se explica, 
num primeiro momento, pela intensifi cação do comércio durante o perío-
do, indicando um aumento da integração entre as regiões brasileiras. É im-
portante afi rmar que, mesmo com esta diferença na intensidade entre os 
coefi cientes de autocorrelação espacial, a hipótese de aleatoriedade espacial 
é rejeitada para todas as variáveis nos dois períodos.
Cabe ressaltar que a estatística I de Moran, empregando o conceito de 
vizinhos mais próximos para os valores de vizinhos utilizado neste trabalho 
(i.e., três, quatro e cinco), leva ao mesmo resultado em relação ao sinal e à 
signifi cância da autocorrelação espacial, isto é, os resultados são robustos 
em relação à escolha da matriz de pesos.5
2.3 Autocorrelação espacial local
A análise de autocorrelação espacial local será realizada a partir do diagra-
ma de dispersão de Moran e dos indicadores locais de associação espacial 
(LISA).
2.3.1 Diagrama de dispersão de Moran
As fi guras 1 e 2 mostram os resultados dos diagrama de dispersão de Moran 
para o comércio inter-regional e seus componentes, para os anos de 1985 e 
1997, com k = 5 vizinhos mais próximos. Os resultados de autocorrelação 
espacial (Moran’s I) apresentados na seção anterior podem ser corroborados 
pelo fato de que a maioria das regiões está localizada nos quadrantes AA e 
BB. Para o comércio inter-regional como um todo, no ano de 1997, observa-
se que 81,48% das unidades da Federação são caracterizadas pela presença 
de valores similares (37,04% no quadrante AA e 44,44% no quadrante BB). 
No que tange às regiões atípicas, isto é, regiões que apresentam desvios em 
relação ao padrão global de autocorrelação positiva, verifi ca-se que, para o 
Tabela 1: Estatística I de Moran para comércio eseus componentes (1985 e 1997)
Ano Variável Moran’s I
1985 Comércio 0,4772
Exportação 0,4679
Importação 0,4812
1997 Comércio 0,5165
Exportação 0,4991
Importação 0,5124
Nota: Todas as estatísticas são signifi cantes em p = 0,001.
72 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
BB
W
_T
RA
D
E8
5
TRADE85
Moran’s I = 0,4772
BA AA
AB
Figura 1: Diagrama de Dispersão de Moran – comércio e seus componentes (1985)
W
_L
EX
P8
5
LEXP85
Moran’s I = 0,4679
BA AA
AB
W
_L
IM
P8
5
LIMP85
Moran’s I = 0,4812
BA AA
ABBB BB
Fonte: Elaboração dos autores com a utilização do software GeoDATM.
Obs: trade85, lexp85 e limp85 – comércio, exportações e importações inter-regionais para o ano de 1985.
 w_trade85, w_lexp85 e w_limp85- defasagem espacial do comércio, exportações e importações inter-regionais para o ano 
 de 1985.
BB
W
_T
RA
D
E9
7
TRADE97
Moran’s I = 0,5165
BA AA
AB
Figura 2: Diagrama de dispersão de Moran – comércio e seus componentes (1997)
W
_L
EX
P9
7
W
_L
IM
P9
7
LIMP97
Moran’s I = 0,5124
BA AA
AB
LEXP97
Moran’s I = 0,4991
BA AA
ABBB BB
Fonte: Elaboração dos autores com a utilização do software GeoDATM.
Obs: trade97, lexp97 e limp97 – comércio, exportações e importações inter-regionais para o ano de 1997.
 w_trade97, w_lexp97 e w_limp97- defasagem espacial do comércio, exportações e importações inter- regionais para o ano 
 de 1997. 
ano de 1997, cinco regiões tiveram associação com valores diferentes (uma 
no quadrante BA e quatro no quadrante AB).
Todos os resultados para o ano de 1997 apontam para a existência de 
heterogeneidade espacial na forma de três regimes espaciais diferentes. 
O primeiro corresponde ao quadrante AA. Ele é formado pelos estados bra-
sileiros localizados nas regiões Sudeste e Sul (uma das áreas mais desen-
volvidas do País), Bahia (um dos principais pólos de desenvolvimento da 
macrorregião Nordeste), Goiás (um dos estados que compõem a nova fron-
teira agrícola do País) e Distrito Federal.6 O segundo regime corresponde ao 
quadrante BB e inclui os estados localizados na região Norte (exceto o Ama-
zonas) e os estados de Alagoas, Sergipe, Maranhão, Rio Grande do Norte, 
73F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
Piauí e Paraíba, na região Nordeste do País. Esse regime é formado pelos es-
tados com menor tradição de comércio. O terceiro regime é formado pelos 
estados do Ceará, Pernambuco (região Nordeste), Amazonas (região Norte) 
e Mato Grosso (região Centro-Oeste), localizados no quadrante AB. Esses 
estados apresentam uma alta instabilidade espacial.
Para as exportações, no ano de 1997, também é possível apontar três 
regimes espaciais: (a) o primeiro, formado pelo quadrante AA, abrange os 
estados localizados no Sudeste, Sul e os estados de Goiás e Bahia; (b) o se-
gundo, constituído por observações localizadas no quadrante BB, é forma-
do pelos estados da região Norte (exceto Amazonas) e da região Nordeste 
(exceto Ceará, Pernambuco e Bahia); e (c) o terceiro regime está localizado 
no quadrante AB e é composto pelos estados do Amazonas, Pernambuco, 
Ceará e Mato Grosso. Os resultados para as importações, em 1997, permi-
tem afi rmar que também existem três regimes (ver fi gura 2).
Uma comparação entre os resultados dos anos de 1985 e 1997 mostra que 
os clusters de comércio não sofreram grandes modifi cações. Desse modo, 
unidades da Federação pertencentes ao regime BB em 1985 permaneceram 
nesse regime em 1997. Isso também ocorre com o regime AA, o que mostra 
uma certa estabilidade na estrutura de comércio inter-regional das unidades 
da Federação.
A inclinação positiva da curva apresentada no diagrama de dispersão 
de Moran confi rma a existência de autocorrelação espacial. A inspeção do 
diagrama de dispersão de Moran (fi guras 1 e 2) permite identifi car tanto 
outliers quanto pontos de alavancagem. 
De acordo com Varga (1998), localizações que são extremas à tendência 
central – ou seja, aquelas que não seguem o mesmo padrão de dependência 
espacial da maioria das observações – podem ser identifi cadas como outliers. 
Por outro lado, observações que têm grande infl uência sobre a tendência 
central são classifi cadas como pontos de alavancagem. Para defi nir os outliers 
e pontos de alavancagem, Varga (1998) faz uso da seguinte regra: se a reta de 
regressão de Wz contra z tiver inclinação positiva, são consideradas outliers 
as observações que se situam a mais de dois desvios padrão do centro dos 
quadrantes e se localizam nos quadrantes BA e AB. Por outro lado, aquelas 
observações que estão a mais de dois desvios padrão do centro dos quadran-
tes e se localizam nos quadrantes AA e BB são pontos de alavancagem.
74 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
As fi guras 3 e 4 mostram a infl uência dos pontos de alavancagem sobre 
a tendência central. Nestas fi guras o Estado de São Paulo foi considerado 
ponto de alavancagem7 e foi retirado da amostra para verifi car qual o padrão 
de comércio inter-regional sem a participação de São Paulo. Percebe-se que 
tanto para o ano de 1985 quanto para o ano de 1997 há um aumento no 
I de Moran, à exceção do resultado para as exportações de 1985. Esse re-
sultado pode ser interpretado da seguinte maneira: ao se retirar o Estado 
de São Paulo, o índice I de Moran aumenta, mostrando que há maior inte-
gração entre as unidades da Federação. Em outras palavras, se não houves-
BB
W
_T
RA
D
E9
7
TRADE97
Moran’s I = 0,5165
BA AA
AB
Figura 4: Diagrama de dispersão de Moran – comparação do I de Moran (1997)
W
_L
EX
P9
7
W
_L
IM
P9
7
LIMP97
Moran’s I = 0,5124
BA AA
AB
LEXP97
Moran’s I = 0,4991
BA AA
ABBB BB
1 = 0,5383 1 = 0,54051 = 0,5117
Fonte: Elaboração dos autores com a utilização do software GeoDATM.
Obs: trade97, lexp97 e limp97 – comércio, exportações e importações inter-regionais para o ano de 1997.
 w_trade97, w_lexp97 e w_limp97- defasagem espacial do comércio, exportações e importações inter-regionais para o ano 
 de 1997.
BB
W
_T
RA
D
E8
5
TRADE85
Moran’s I = 0,4772
BA AA
AB
Figura 3: Diagrama de dispersão de Moran – comparação do I de Moran (1985)
W
_L
EX
P8
5
W
_L
IM
P8
5
LIMP85
Moran’s I = 0,4812
BA AA
AB
LEXP85
Moran’s I = 0,4679
BA AA
ABBB BB
1 = 0,4807 1 = 0,49671 = 0,4633
Fonte: Elaboração dos autores com a utilização do software GeoDATM.
Obs: trade85, lexp85 e limp85 – comércio, exportações e importações inter-regionais para o ano de 1985.
 w_trade85, w_lexp85 e w_limp85- defasagem espacial do comércio, exportações e importações inter-regionais para o ano 
 de 1985.
75F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
se, de forma hipotética, comércio com o Estado de São Paulo, haveria um 
maior efeito vizinhança no comércio inter-regional e seus componentes. 
Dessa forma, isso pode indicar o grau de polarização exercido pela eco-
nomia paulista.
2.3.2 Mapas de dispersão de Moran
Os resultados descritos anteriormente para o ano de 1997 podem ser vi-
sualizados nas fi guras 5 a 7, nos Mapas de Dispersão de Moran, os quais 
possibilitam uma visão mais clara da dependência espacial. Para o comércio 
como um todo, pode-se observar que o cluster formado pelos valores alto-
alto está localizado na porção centro-sul do País. Essa parte do País apre-
senta a melhor rede de transporte, um ótimo número de cidades médias e 
também a mais completa rede de universidades e centros de pesquisa. Em 
outras palavras, a região pode ser classifi cada como a parte do País que tem 
as melhores condições de se desenvolver no curto prazo. Nessa região estão 
as áreas metropolitanas do Rio de Janeiro, São Paulo, Belo Horizonte, Cam-
pinas, Curitiba e Porto Alegre que, como afi rmado por Diniz (2002), repre-
sentam as principais alternativas para a expansão industrial e produtiva do 
Brasil. O regime baixo-baixoestá localizado, principalmente, no Norte do 
País e apresenta algumas descontinuidades na região Nordeste.
A fi gura 8 mostra o Mapa de Dispersão de Moran para o comércio in-
ter-regional no ano de 1985. É possível observar que durante o período de 
análise houve um decréscimo no número de estados localizados no regime 
AA, ou seja, esse regime tornou-se mais concentrado na parte centro-sul do 
País. O crescimento do regime BB (valores abaixo da média do comércio 
inter-regional) no Norte e no Nordeste do país pode corroborar tal resulta-
do. Pode-se afi rmar que o aumento na complexidade do setor produtivo e 
o papel relevante desempenhado pelas economias de escala, como determi-
nantes do comércio, levam à concentração do comércio em determinadas 
localidades (Helpman e Krugman, 1985; Krugman, 1991). No caso brasi-
leiro, durante o período de análise, o fenômeno está ocorrendo nas regiões 
Sudeste e Sul do país, responsáveis por mais de 70% do PIB nacional. Dado 
que o comércio é uma função da renda e do produto, mesmo com uma rela-
tiva desconcentração da produção industrial nas cidades do Rio de Janeiro 
e São Paulo, os resultados encontrados mostram que há uma tendência de 
76 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
Figura 6: Brasil – Mapa de Dispersão de Moran para as exportações inter-regionais, 1997
Fonte: Elaboração dos autores com a utilização do software GeoDATM
Figura 5: Brasil – Mapa de Dispersão de Moran para o comércio inter-regional, 1997
Fonte: Elaboração dos autores com a utilização do software GeoDATM
Alto-alto
Baixo-baixo
Alto-baixo
Baixo-alto
Alto-alto
Baixo-baixo
Alto-baixo
Baixo-alto
77F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
Figura 8: Brasil – Mapa de Dispersão de Moran para o comércio inter-regional, 1985
Fonte: Elaboração dos autores com a utilização do software GeoDATM
Figura 7: Brasil – Mapa de Dispersão de Moran para importações inter-regionais, 1997
Fonte: Elaboração dos autores com a utilização do software GeoDATM
Alto-alto
Baixo-baixo
Alto-baixo
Baixo-alto
Alto-alto
Baixo-baixo
Alto-baixo
Baixo-alto
78 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
reconcentração espacial, em termos de comércio, na macrorregião Sudeste e 
Sul do país. Essa tendência pode estar baseada, em parte, no desenvolvimen-
to das metrópoles de segundo nível e das cidades médias. Elas representam 
as áreas com grande probabilidade de crescimento econômico e industrial, 
levando a um aumento da renda e do produto total e, como conseqüência, 
a um aumento no comércio (interações).
Segundo dados apresentados por Diniz (2002), houve uma relocaliza-
ção de algumas indústrias (têxtil e alimentos) em direção ao Nordeste (em 
função de incentivos fi scais). Entretanto, a base da indústria nacional (me-
talurgia, mecânica, equipamentos eletrônicos e elétricos e química) ainda 
está concentrada no Sudeste-Sul do País. Aliando a discussão acima aos re-
sultados encontrados, é possível afi rmar que as interações entre os setores 
constituintes da base industrial nacional podem contribuir, em parte, para 
o aumento do comércio dentro da macrorregião Sudeste-Sul.
Conforme a literatura de comércio, pode-se utilizar a relação entre co-
mércio e renda para melhor entender o movimento de concentração do 
regime AA. De acordo com o IBGE (2004), a diferença entre a maior renda 
per capita e a mais baixa, para o ano de 2001, foi de 88% e ocorreu entre 
as regiões Centro-Oeste (Distrito Federal) e Nordeste do País. Já a distri-
buição espacial do PIB, para 2001, mostra que (a) os estados localizados 
no Sul-Sudeste mais o Distrito Federal, Mato Grosso do Sul e Amazonas 
são responsáveis pelos maiores níveis de PIB per capita (> R$ 6.000,00 
por ano); (b) o Nordeste (Sergipe), o Norte (Rondônia e Amapá) e o 
Centro-Oeste (Goiás e Mato Grosso) apresentam um PIB per capita entre 
R$ 4.000,00 e R$ 6.000,00; e (c) Tocantins, Acre, Roraima e Pará e os esta-
dos do Nordeste (à exceção de Sergipe) apresentam o menor nível de PIB 
per capita (< R$ 4.000,00 por ano).
2.3.3 Indicadores locais de associação espacial (LISA)
Os indicadores locais de associação espacial (LISA) para o comércio in-
ter-regional brasileiro e seus componentes estão representados nos Mapas 
de Signifi cância de Moran — mapas de clusters (fi guras 9 a 12) —, utilizan-
do o nível de pseudo-signifi cância de 5% de Bonferroni.8 Ao se examina-
rem os mapas, percebe-se que existem alguns clusters locais que merecem 
maior atenção.
79F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
Primeiramente, é possível sustentar que o padrão local de associação 
espacial refl ete o padrão global, no que se refere à autocorrelação espacial 
positiva. Ao se utilizar o pseudonível de signifi cância de 5% de Bonferroni, 
84,6% dos LISAs signifi cantes para o comércio inter-regional como um todo 
situam-se nos quadrantes AA e BB do gráfi co de dispersão. Pode-se também 
enfatizar que há um desequilíbrio na distribuição entre os quadrantes AA 
e BB, pois 63,6% das regiões estão localizadas no quadrante AA. Portanto, 
conclui-se que há, de forma preponderante, regiões com alto comércio vizi-
nhas a regiões com alto nível de comércio. Tais regiões estão localizadas no 
centro-sul do País (de Minas Gerais até o Rio Grande do Sul).
A persistência desse padrão pode ser explicada, dentre outros fatores, 
pelos spillovers de São Paulo para os estados vizinhos. São Paulo tem um 
importante papel como pólo de atração. A área metropolitana de São Paulo 
começa a apresentar deseconomias de escala no fi m dos anos 1980 e, em 
conseqüência, há um crescimento das áreas vizinhas. Assim, tal fenômeno 
pode ter contribuído para o aumento do comércio na região (fi gura 9).
Um segundo ponto é que os desvios em relação à tendência global são 
realmente limitados. Eles representam apenas 15,4% dos LISAs signifi cantes. 
Para o comércio inter-regional, observa-se a existência de uma região AB, 
representada pelo Estado do Amazonas. É importante salientar a hetero-
geneidade da estrutura produtiva do Estado do Amazonas em relação aos 
demais estados da macrorregião, uma vez que ela é formada principalmente 
pela indústria de componentes eletrônicos. Isso pode, em grande parcela, 
difi cultar o aumento da interação dentro da macrorregião Norte. Por outro 
lado, o Estado do Mato Grosso do Sul é classifi cado com BA (fi gura 9).
Na fi gura 10 é possível observar os resultados da estatística LISA, para 
as exportações, para o ano de 1997. As principais características consistem 
em: (a) padrão local de associação espacial que refl ete a tendência global 
em direção à autocorrelação espacial positiva, visto que 91,6% do LISA sig-
nifi cante encontra-se nos quadrantes AA e BB do gráfi co de dispersão; (b) 
desigualdade na distribuição entre os regimes AA e BB, já que a maioria das 
regiões está localizada no quadrante AA; (c) regiões formadas por estados 
com alta exportação vizinhas de estados com altos valores para exportação 
e concentradas na parte centro-sul do País; e (d) estados que apresentam ex-
portações abaixo da média, localizados no norte do Brasil. Portanto, para as 
80 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
Figura 10: Mapa de cluster para as exportações inter-regionais brasileiras, 199711
Fonte: Elaboração própria dos autores.
Figura 9: Mapa de cluster para o comércio inter-regional brasileiro, 199711
Fonte: Elaboração própria dos autores.
exportações, torna-se possível classifi car o padrão apresentado como sendo 
de centro (centro-sul) e periferia (norte).
Os resultados para a importação inter-regional podem ser examinados 
na fi gura 11. A estrutura de distribuição de estados com AA no centro-sul e 
estados com BB no norte do País também ocorre para as importações inter-
regionais. Um resultado muitointeressante é observado para o Distrito Fe-
deral. Ele é classifi cado como AA e o resultado pode ser explicado por meio 
da análise da estrutura produtiva do Distrito Federal, o qual tem o setor de 
81F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
Figura 12: Mapa de cluster para o comércio inter-regional brasileiro, 198511
Fonte: Elaboração própria dos autores.
Figura 11: Mapa de cluster para as importações inter-regionais brasileiras, 199711
Fonte: Elaboração própria dos autores.
serviços como a principal atividade e apresenta um pequeno setor industrial 
e agrícola (i.e., pequena participação na formação do produto regional).
Comparando as fi guras 9 e 12, é possível verifi car se os clusters de comér-
cio regional persistem ao longo do tempo. O cluster de AA torna-se menor 
e, em 1997, é formado exclusivamente por estados localizados nas regiões 
Sudeste e Sul. Já o cluster BB é constituído por estados pertencentes à região 
Norte. Logo, isso pode indicar um aumento das disparidades entre o Norte 
e Sul do Brasil.
82 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
2.3.4 Diagrama de Dispersão de Moran Bivariado
O Diagrama de Dispersão de Moran Bivariado tem por objetivo analisar a 
autocorrelação espacial num determinado espaço de tempo. Assim, nesta 
subseção buscar-se-á comprovar as hipóteses, apresentadas nas subseções 
anteriores, de que a estrutura de comércio entre as unidades da Federação 
não se modifi ca ao longo do período analisado. O diagrama de dispersão 
é formado por duas variáveis iguais, neste caso, comércio inter-regional, 
exportações e importações, mas mensuradas em diferentes períodos (fi gu-
ra 13). Os resultados do Diagrama de Dispersão de Moran Bivariado podem 
ser mais bem visualizados nas fi guras 14, 15 e 16.
Ao analisar a fi gura 13, verifi ca-se que existe uma autocorrelação espacial 
positiva temporal para o comércio inter-regional e para seus componentes. 
Isso signifi ca que unidades da Federação com um alto índice de comércio 
inter-regional em 1985 continuam com o mesmo padrão em 1997 e, do 
mesmo modo, unidades da Federação que tinham um baixo índice de co-
mércio inter-regional em 1985 permanecem com o mesmo padrão em 1997. 
Em outras palavras, não houve mudanças na estrutura espacial do comércio 
inter-regional e de seus componentes para o período de análise.
As fi guras 14, 15 e 16 mostram os mapas de clusters bivariados. Percebe-
se que tanto para comércio inter-regional quanto para exportações e im-
portações, há um padrão dicotômico, ou seja, o cluster formado por regiões 
alto-alto situa-se no centro-sul do País e o cluster formado por regiões bai-
Figura 13: Diagrama de Dispersão de Moran Bivariado – comércio, 
exportações e importações
BB
W
_T
RA
D
E9
7
TRADE85
Moran’s I = 0,4953
BA AA
AB
W
_L
EX
P9
7
W
_L
IM
P9
7
LIMP85
Moran’s I = 0,4904
BA AA
AB
LEXP85
Moran’s I = 0,4859
BA AA
ABBB BB
Fonte: Elaboração dos autores com a utilização do software GeoDATM.
Obs: trade85, lexp85 e limp85 – comércio, exportações e importações inter-regionais para o ano de 1985.
 w_trade97, w_lexp97 e w_limp97- defasagem espacial do comércio, exportações e importações inter- regionais para o ano 
 de 1997.
83F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
Figura 14: Mapas de Clusters Bivariados – comércio inter-regional, em 1997 e 198512
Fonte: Elaboração própria dos autores.
Figura 15: Mapas de Clusters Bivariados – Exportações em 1997 e 198512
Fonte: Elaboração própria dos autores.
xo-baixo está localizado na região Norte do País. Os resultados intertempo-
rais corroboram a hipótese de manutenção da estrutura concentracionista 
das interações entre as unidades da Federação. Assim sendo, é possível afi r-
mar, com base nos resultados do presente artigo, que a dinâmica espacial do 
comércio interestadual brasileiro não sofreu grandes modifi cações ao longo 
do período em questão. Portanto, o efeito vizinhança positivo para comér-
cio, apontado por Domingues et al. (2002), se verifi ca em maior grau na 
macrorregião Sudeste-Sul, ou seja, na região de localização do cluster AA. 
84 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
Figura 16: Mapas de Clusters Bivariados – Importações em 1997 e 198512
Fonte: Elaboração própria dos autores.
2.4 Análise da robustez utilizando a matriz de 
transição de probabilidades
Considera-se robusto o resultado que não se modifi ca quando o número 
de vizinhos se altera. Segundo Le Gallo e Ertur (2003: 15), “os resultados 
são robustos se uma região que se situa em um estado particular quando 
a análise é implementada para a matriz de k vizinhos (i.e., não signifi cante 
– NS, AA, BB, AB, BA) permanece no mesmo estado para outras matrizes de 
pesos espaciais”.9 Visando a tal objetivo, os autores sugerem o uso da estru-
tura das matrizes de transição, pois elas medem a transição entre diferentes 
distribuições em um dado período.10
A tabela 2 mostra duas matrizes de transição de probabilidades diferen-
tes. Elas são utilizadas para verifi car a robustez das estatísticas LISA para 
o comércio, no ano de 1997, utilizando o nível de signifi cância de 5% de 
Bonferroni.11 Tais resultados mostram que a região associada com um LISA 
signifi cante permanece no mesmo estado, não importando o número de vi-
zinhos escolhidos. Portanto, pode-se afi rmar que os resultados são robustos 
não importando a matriz de peso escolhida.
3. CONSIDERAÇÕES FINAIS
A motivação deste trabalho foi entender a estrutura de comércio entre os 
estados brasileiros. A aplicação da análise exploratória dos dados espaciais 
85F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
Tabela 2: Análise de robustez para a estatística LISA
(comércio inter-regional – 1997)
K=4 NS AA BB BA AB
NS 100.00 0.00 0.00 0.00 0.00
AA 14.29 85.71 0.00 0.00 0.00
K=5 BB 66.67 0.00 33.33 0.00 0.00
BA 0.00 0.00 0.00 100.00 0.00
AB 0.00 0.00 0.00 0.00 100.00
K=3 NS AA BB BA AB
NS 100.00 0.00 0.00 0.00 0.00
AA 0.00 100.00 0.00 0.00 0.00
K=5 BB 33.33 0.00 66.67 0.00 0.00
BA 0.00 0.00 0.00 100.00 0.00
AB 0.00 0.00 0.00 0.00 100.00
nos fl uxos de comércio permite afi rmar que há autocorrelação espacial po-
sitiva, a qual persiste durante o período de análise, ou seja, as regiões com 
comércio alto (baixo) estão e permanecem localizadas junto às regiões com 
comércio alto (baixo). A análise do valor padronizado da estatística I de Mo-
ran demonstra que a estrutura de comércio interestadual brasileira torna-se 
mais intensa durante o período de estudo.
Os resultados para o LISA confi rmam a presença signifi cante e a per-
sistência ao longo do tempo da autocorrelação espacial na forma de dois 
clusters espaciais distintos, de valores altos e baixos para o comércio e seus 
componentes.
Em síntese, a partir da análise exploratória dos dados espaciais pode-se 
apontar que: (a) há um aumento do comércio interestadual no período; (b) 
existe uma heterogeneidade espacial no comércio interestadual, sendo que 
o cluster formado por valores de comércio alto localiza-se na porção centro-
sul do País e o cluster formado por unidades da Federação com comércio 
abaixo da média vizinhas de unidades da Federação com o mesmo padrão 
localiza-se na região Norte; e (c) a análise intertemporal mostra que tal pa-
drão não se modifi ca ao longo do período analisado. O prosseguimento de 
tal padrão nos próximos períodos torna possível inferir sobre o aumento 
das disparidades regionais no Brasil.
Portanto, pergunta-se: qual a alternativa para minimizar esse quadro? 
Antes de discutir tal indagação, cabe ressaltar a importância dos resultados 
encontrados no presente artigo. A defi nição de políticas públicas objetivan-
86 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
do o desenvolvimento regional dependedo maior conhecimento das espe-
cifi cidades das regiões e das delimitações precisas do espaço a ser abordado. 
Logo, a apresentação de informações sobre a dinâmica espacial do comércio 
neste trabalho – isto é, a análise detalhada das especifi cidades das unidades 
da Federação no que se refere à capacidade e ao grau (e.g. alto-alto, baixo-
baixo, alto-baixo e baixo-alto) de interação das mesmas – possibilita uma 
tomada de decisões mais precisa por parte dos agentes públicos.
Neste sentido, políticas que produzam uma desconcentração produtiva 
e, em conseqüência, descentralizem a estrutura de comércio no Brasil são 
bem-vindas. Essas políticas passam por investimentos públicos em infra-es-
trutura econômica e social, oferta de linhas de crédito às iniciativas privadas 
de investimento e fortalecimento do desenvolvimento local como forma de 
promover a ocupação econômica do território nacional. Em outras palavras, 
programas de dinamização e/ou reorganização da estrutura de transportes 
(i.e., estudos para a implementação mais efetiva de transporte multimodal, 
recuperação das estradas, revitalização de portos na região Nordeste, den-
tre outros) e o fortalecimento dos arranjos produtivos locais e/ou clusters 
— tais como o de vestuário na região Nordeste, calçados na região Sul, fru-
tas na região Nordeste, turismo nas regiões Nordeste e Sul do País, dentre 
outros — podem gerar uma desconcentração produtiva e, portanto, rees-
truturar a dinâmica espacial do comércio inter-regional brasileiro.
NOTAS
 1. Tobler (1979): “Everything is related to everything else, but near things are more related 
than distant things.”
 2. Os Lags espaciais ou defasagem espacial são obtidos pela multiplicação do vetor da va-
riável de interesse (zt) pela matriz de pesos espaciais (W). Desse modo, a variável de 
interesse é ponderada pelo valor dos vizinhos através da matriz de pesos espaciais.
 3. “This means that when the overall signifi cance associated with the multiple compari-
sons (correlated tests) is set to a, and there are m comparisons, then the individual sig-
nifi cance a should be set to either a/m (Bonferroni) or 1 – (1 – α)
1/m
 (Sidák)” (Anselin, 
1995: 96). 
 4. Neste estudo foram também utilizados valores de K = 3 e 4 a fi m de verifi car a robustez 
dos resultados (ver subseção 2.4).
 5. Para implementação da metodologia, ver Anselin (1999). O software utilizado para im-
plementar a metodologia foi o Spacestat. Esta seção segue, em parte, a apresentação feita 
por Haddad (2002).
87F. S. Perobelli e E. A. Haddad – Padrões de comércio interestadual no Brasil: 1985 e 1997
 6. É importante verifi car se essa integração está concentrada no território nacional. Essa 
questão pode ser analisada com mais detalhes quando for introduzido o resultado para 
autocorrelação espacial local, ou seja, ao verifi car a existência de clusters de comércio ou 
regimes espaciais. 
 7. Todos os resultados estão disponíveis para consulta.
 8. O volume de importações e as características de Brasília podem explicar o resultado. 
Segundo Diniz (2002), Brasília congrega as principais atividades da Administração Pú-
blica Federal, apresenta a maior renda per capita e é a região na qual o consumo desem-
penha um papel mais importante do que a produção.
 9. Domingues et al. (2002) também encontraram um comportamento atípico para o Esta-
do de São Paulo.
 10. Para mais detalhes, ver Anselin (1995).
11. Obs. 1: A cor cinza-escuro representa os clusters alto-alto, a cor preta representa os clusters 
baixo-baixo, a cor cinza-médio identifi ca os clusters baixo-alto e, por fi m, a cor cinza-cla-
ro identifi ca os clusters alto-baixo.
 Obs. 2: No mapa de signifi cância, a gradação do cinza-escuro até chegar ao cinza mais 
claro representa níveis de signifi cância de 0,01%, 0,1%, 1% e 5%, respectivamente.
12. Obs. 1: A cor cinza-escuro representa os clusters alto-alto, a preta os clusters baixo-baixo, 
a cinza-médio identifi ca os clusters baixo-alto e, por fi m, a cor cinza-claro exibe os clus-
ters alto-baixo.
 Obs. 2: No mapa de signifi cância, a gradação do cinza-escuro até chegar ao cinza mais 
claro representa níveis de signifi cância de 0,01%, 0,1%, 1% e 5%, respectivamente.
13. “The results are robust if a region that is in a particular state with the k neighbor matrix 
(i.e., not signifi cant NS, HH, LL, HL, LH statistics) remains in this state for the other wei-
ght matrices.” Le Gallo e Ertur (2003: 15).
14. Para mais aplicações da metodologia, ver Le Gallo (2003), Rey (2001) e Dall’erba (2003).
15. A análise de robustez da estatística LISA para exportações e importações para 1996 e 
1985 está à disposição para consulta.
REFERÊNCIAS BIBLIOGRÁFICAS
ANSELIN, L. (1999) SpaceStat, a software package for the analysis of spatial data version 1.90. 
AnnArber: BioMedware.
——— (1998) “Interactive techniques and exploratory spatial data analysis”. In: P. A. Lon-
gley, M. F. Goodchild, D. J. Maguire e D. W. Wind (eds.), Geographical Information Syste-
ms: principles, techniques, management and applications. Wiley: Nova York, p. 253-265.
——— (1996) “The Moran scatterplot as an ESDA tool to assess local instability in spatial 
association”. In: M. Fisher, H. J. Scholten, e D. Unwin (eds.), Spatial Analytical Perspectives 
in GIS. Londres: Taylor&Francis, p. 111-125.
——— (1995) “Local indicators of spatial association – LISA”. Geographical Analysis, v. 27 
(2), April, p. 93-115.
88 R. Econ. contemp., Rio de Janeiro, 10(1): 115-138, jan./abr. 2006
CONFAZ. Balança Comercial Interestadual. Disponível em www.fazenda.gov.br
CLIFF, A. D., ORD, J. K. (1981) Spatial Processes: models and applications: Londres: Pion.
DALL’ERBA, S. (2003) “Distribution of regional income and regional funds in Europe 1989-
1999: an exploratory spatial data analysis”. Discussion Paper REAL 03-T-1. UIUC.
DINIZ, C. C. (2002) “A nova confi guração urbano-industrial no Brasil”. In: A. Kon (org.), 
Unidade e fragmentação: a questão regional no Brasil. São Paulo: Perspectiva.
———, LEMOS, M. B. (1989) “Dinâmica regional e suas perspectivas no Brasil”. In: Para a 
década de 90: prioridades e perspectivas de políticas públicas. Brasília: IPEA –IPLAN, v. 3, 
p. 161-199.
DOMINGUES, E. P., HADDAD, E. H., HEWINGS, G. J. D., PEROBELLI, F. S. (2002) “Structural 
changes in the Brazilian interregional economic system, 1985-1997: holistic matrix 
interpretation”. Australasian Journal of Regional Studies, v. 8, n. 1, p. 21-44.
ERTUR, C., LE GALLO, J. (2003) “An exploratory spatial data analysis of European regional 
disparities, 1980-1995”. In: Bernard Fingleton (ed.), European Regional Growth: advances 
in spatial science. Springer-Verlag, p. 55-98.
GALVÃO, O. A. (1993) “Comércio interestadual por vias internas e integração regional no 
Brasil”. Anais do XXI Encontro Nacional de Economia. Belo Horizonte: ANPEC, v. 1, 
p. 257-279.
HADDAD, E. A., AZZONI, C. R., DOMINGUES, E. P., PEROBELLI, F. S. (2002) “Macroeconomia 
dos estados e matriz interestadual de insumo-produto”. Revista Economia Aplicada, 
6 (4), out./dez.
HADDAD, M. A. (2002) “An exploratory spatial data analysis of human development in Bra-
zil” (mimeo). 
HELPMAN, E., KRUGMAN, P. R. (1985) Market Structure and Foreign Trade: increasing returns, 
imperfect competition, and the international economy. Cambridge, MA: MIT Press.
IBGE. Revista de Finanças Públicas, v. 47, n. 369.
KRUGMAN, P. R. (1991) Geography and Trade. Cambridge, MA: MIT Press. 
LE GALLO, J., ERTUR, C. (2003) “Exploratory spatial data analysis of the distribution of 
regional per capita GDP in Europe, 1980-1995”. Papers in Regional Science, v. 82 (2) 
p. 175-201.
LE GALLO, J. (2003) “Space-time analysis of GDP disparities among European regions: a Ma-
rkov chains approach”. International Regional Science Review, forfhcoming.
PACHECO, C. A. (1998) Fragmentação da nação. Campinas: Unicamp/IE.
REY, S. (2001) “Spatial empirics for economicgrowth e convergence”. Geographical Analysis, 
v. 33 (3), July, p. 195-214.
TOBLER, W. (1979) “Cellular geography”. In: S. Gale e G. Olsson (eds.), Philosophy in Geogra-
phy. Dordrecht: Reidel, p. 379-386. 
VARGA, A. (1998) University Research and Regional Innovation: a spatial econometric analysis of 
academic technology transfers. Boston/Dordrecht/Londres: Kluwer Academic Publishers.
<<
 /ASCII85EncodePages false
 /AllowTransparency false
 /AutoPositionEPSFiles true
 /AutoRotatePages /All
 /Binding /Left
 /CalGrayProfile (Dot Gain 20%)
 /CalRGBProfile (sRGB IEC61966-2.1)
 /CalCMYKProfile (U.S. Web Coated \050SWOP\051 v2)
 /sRGBProfile (sRGB IEC61966-2.1)
 /CannotEmbedFontPolicy /Warning
 /CompatibilityLevel 1.4
 /CompressObjects /Tags
 /CompressPages true
 /ConvertImagesToIndexed true
 /PassThroughJPEGImages true
 /CreateJDFFile false
 /CreateJobTicket false
 /DefaultRenderingIntent /Default
 /DetectBlends true
 /ColorConversionStrategy /LeaveColorUnchanged
 /DoThumbnails false
 /EmbedAllFonts true
 /EmbedJobOptions true
 /DSCReportingLevel 0
 /EmitDSCWarnings false
 /EndPage -1
 /ImageMemory 1048576
 /LockDistillerParams false
 /MaxSubsetPct 100
 /Optimize true
 /OPM 1
 /ParseDSCComments true
 /ParseDSCCommentsForDocInfo true
 /PreserveCopyPage true
 /PreserveEPSInfo true
 /PreserveHalftoneInfo false
 /PreserveOPIComments false
 /PreserveOverprintSettings true
 /StartPage 1
 /SubsetFonts true
 /TransferFunctionInfo /Apply
 /UCRandBGInfo /Preserve
 /UsePrologue false
 /ColorSettingsFile ()
 /AlwaysEmbed [ true
 ]
 /NeverEmbed [ true
 ]
 /AntiAliasColorImages false
 /DownsampleColorImages true
 /ColorImageDownsampleType /Bicubic
 /ColorImageResolution 300
 /ColorImageDepth -1
 /ColorImageDownsampleThreshold 1.50000
 /EncodeColorImages true
 /ColorImageFilter /DCTEncode
 /AutoFilterColorImages true
 /ColorImageAutoFilterStrategy /JPEG
 /ColorACSImageDict <<
 /QFactor 0.15
 /HSamples [1 1 1 1] /VSamples [1 1 1 1]
 >>
 /ColorImageDict <<
 /QFactor 0.15
 /HSamples [1 1 1 1] /VSamples [1 1 1 1]
 >>
 /JPEG2000ColorACSImageDict <<
 /TileWidth 256
 /TileHeight 256
 /Quality 30
 >>
 /JPEG2000ColorImageDict <<
 /TileWidth 256
 /TileHeight 256
 /Quality 30
 >>
 /AntiAliasGrayImages false
 /DownsampleGrayImages true
 /GrayImageDownsampleType /Bicubic
 /GrayImageResolution 300
 /GrayImageDepth -1
 /GrayImageDownsampleThreshold 1.50000
 /EncodeGrayImages true
 /GrayImageFilter /DCTEncode
 /AutoFilterGrayImages true
 /GrayImageAutoFilterStrategy /JPEG
 /GrayACSImageDict <<
 /QFactor 0.15
 /HSamples [1 1 1 1] /VSamples [1 1 1 1]
 >>
 /GrayImageDict <<
 /QFactor 0.15
 /HSamples [1 1 1 1] /VSamples [1 1 1 1]
 >>
 /JPEG2000GrayACSImageDict <<
 /TileWidth 256
 /TileHeight 256
 /Quality 30
 >>
 /JPEG2000GrayImageDict <<
 /TileWidth 256
 /TileHeight 256
 /Quality 30
 >>
 /AntiAliasMonoImages false
 /DownsampleMonoImages true
 /MonoImageDownsampleType /Bicubic
 /MonoImageResolution 1200
 /MonoImageDepth -1
 /MonoImageDownsampleThreshold 1.50000
 /EncodeMonoImages true
 /MonoImageFilter /CCITTFaxEncode
 /MonoImageDict <<
 /K -1
 >>
 /AllowPSXObjects false
 /PDFX1aCheck false
 /PDFX3Check false
 /PDFXCompliantPDFOnly false
 /PDFXNoTrimBoxError true
 /PDFXTrimBoxToMediaBoxOffset [
 0.00000
 0.00000
 0.00000
 0.00000
 ]
 /PDFXSetBleedBoxToMediaBox true
 /PDFXBleedBoxToTrimBoxOffset [
 0.00000
 0.00000
 0.00000
 0.00000
 ]
 /PDFXOutputIntentProfile ()
 /PDFXOutputCondition ()
 /PDFXRegistryName (http://www.color.org)
 /PDFXTrapped /Unknown
 /Description <<
 /FRA <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>
 /ENU (Use these settings to create PDF documents with higher image resolution for improved printing quality. The PDF documents can be opened with Acrobat and Reader 5.0 and later.)
 /JPN <FEFF3053306e8a2d5b9a306f30019ad889e350cf5ea6753b50cf3092542b308000200050004400460020658766f830924f5c62103059308b3068304d306b4f7f75283057307e30593002537052376642306e753b8cea3092670059279650306b4fdd306430533068304c3067304d307e305930023053306e8a2d5b9a30674f5c62103057305f00200050004400460020658766f8306f0020004100630072006f0062006100740020304a30883073002000520065006100640065007200200035002e003000204ee5964d30678868793a3067304d307e30593002>
 /DEU <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>
 /PTB <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>
 /DAN <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>
 /NLD <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>/ESP <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>
 /SUO <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>
 /ITA <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>
 /NOR <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>
 /SVE <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>
 >>
>> setdistillerparams
<<
 /HWResolution [2400 2400]
 /PageSize [612.000 792.000]
>> setpagedevice