A relação entre o tamanho das propriedades agrícolas e a produtividade no Brasil: uma análise não paramétrica

• Main Author: Alexandre Amorim de Souza Ferreira
• Other Authors: Alexandre Nunes de Almeida
• Language: Portuguese
• Published: Universidade de São Paulo 2018
• Subjects: Elasticidade produção; Propriedades agrícolas; Redistribuição de terras; Regressão não paramétrica; Relação entre área e produtividade; Agricultural properties; Elasticities of production; Nonparametric regression; Redistribution of land; Relationship between farm size and productivity
• Online Access: http://www.teses.usp.br/teses/disponiveis/11/11132/tde-26072018-151256/

A análise de regressão kernel não paramétrica desconsidera qualquer influência das formas funcionais geralmente empregadas em análises de regressões paramétricas, permitindo os dados \"falarem por si mesmos\". Enquanto os estimadores paramétricos são considerados globais, os kernels não paramétricos usam uma amostra de dados próximas (definida pela largura da janela) a um ponto para ajustar a estimação, o que permite focar em peculiaridades locais dos dados. Ambas as análises foram aplicadas aos dados do Censo Agropecuário de 2006 realizado pelo IBGE, agregados municipalmente e em dezessete faixas de áreas, para estimar uma função de produção com o objetivo de estabelecer a relação entre o tamanho das propriedades agrícolas e o valor da produção por hectare (produtividade). A relação constatada foi inversa, porém a análise local feita pelos estimadores kernels explicitou uma relação direta entre as elasticidades de produção dos insumos e o tamanho das propriedades agrícolas, o que não justifica uma política de redistribuição de terras no sentido do aumento da produtividade. Além disto, análises gráficas contra fatuais (que manteve os insumos, exceto a área, constantes em seus valores médios) mostraram que a relação não é linear, não é monotônica, e difere dentre as regiões, o que é um desafio para a elaboração de políticas de redistribuição de terras. === Nonparametric kernel regression analysis disregards any influence of the functional forms commonly employed in parametric regression analyzes, allowing the data to \"speak for itself.\" While parametric estimators are considered global, nonparametric kernels use a sample of nearby data (defined by the bandwidth) at a point to adjust the estimation, which allows focusing on local peculiarities of the data. Both analyzes were applied to data from the 2006 IBGE Census of Agriculture, aggregated in municipalities and in seventeen areas, to estimate a production function with the objective of establishing the relationship between the size of agricultural properties and the value of production by hectare (productivity). The observed relationship was reversed, but the local analysis made by the kernels estimators explained a direct relationship between the elasticities of production of the inputs and the size of the agricultural properties, which does not justify a policy of redistribution of land in order to increase productivity. In addition, graphical analyzes against factors (which kept the inputs, except the area, constant in their mean values) showed that the relationship is not linear, is not monotonic, and differs among regions, which is a challenge for the elaboration of land redistribution policies.