See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/321670736

Complexidade econômica e desenvolvimento humano: uma análise

econométrica

Conference Paper · November 2017

CITATIONS READS

0 111

4 authors:

Diogo Ferraz Herick Fernando Moralles

University of São Paulo Universidade Federal de São Carlos
28 PUBLICATIONS   0 CITATIONS    16 PUBLICATIONS   20 CITATIONS   

SEE PROFILE SEE PROFILE

Fabíola Cristina Ribeiro de Oliveira Daisy Rebelatto

Universidade Metodista de Piracicaba (Unimep) University of São Paulo
45 PUBLICATIONS   50 CITATIONS    94 PUBLICATIONS   148 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

The Influence of Institucional Changes on Sugar Production in Brazil between 1980 and 2015 View project

Análise de impacto de políticas públicas de qualificação profissional: impacto sobre a renda e situação ocupacional dos trabalhadores
no município de Piracicaba em 2011 View project

All content following this page was uploaded by Diogo Ferraz on 08 December 2017.

The user has requested enhancement of the downloaded file.

 COMPLEXIDADE ECONÔMICA E
DESENVOLVIMENTO HUMANO: UMA ANÁLISE
ECONOMÉTRICA
DIOGO FERRAZ - diogoferraz@usp.br
UNIVERSIDADE DE SÃO PAULO - USP - SÃO CARLOS

HERICK FERNANDO MORALLES - herickmoralles@dep.ufscar.br

UNIVERSIDADE FEDERAL DE SÃO CARLOS - UFSCAR - SÃO CARLOS

FABÍOLA CRISTINA RIBEIRO DE OLIVEIRA - diogo.economia2@gmail.com

UNIVERSIDADE METODISTA DE PIRACICABA - UNIMEP

DAISY APARECIDA DO NASCIMENTO REBELATTO - daisy@sc.usp.br

UNIVERSIDADE DE SÃO PAULO - USP

Área: 3 - GESTÃO ECONÔMICA

Sub-Área: 3.5 - GESTÃO DE DESEMPENHO DE SISTEMAS DE PRODUÇÃO E
OPERAÇÕES

Resumo: TEM-SE ARGUMENTADO QUE O PRODUTO INTERNO BRUTO É UM

INDICADOR FRACO PARA MENSURAR O DESENVOLVIMENTO ECONÔMICO E
HUMANO. NOVAS ABORDAGENS SUGEREM QUE OS BENS PRODUZIDOS
DEPENDEM DO CONHECIMENTO DISPONÍVEL, O QUE SE REFLETE SOBRE AS
CAPACIDADDES DOS INDIVÍDUOS. ECONOMIAS COMPLEXAS SÃO AQUELAS
CAPAZES DE GERAR CONHECIMENTO POR MEIO DE UMA REDE DE PESSOAS,
GERANDO UMA VARIEDADE DE PRODUTOS DE ALTA TECNOLOGIA. CONTUDO,
AINDA NÃO HÁ CONSENSO SOBRE QUAIS VARIÁVEIS DEVEM SER UTILIZADAS
PARA SUA MENSURAÇÃO. O OBJETIVO DESTE ARTIGO É AVALIAR
ECONOMETRICAMENTE A RELAÇÃO ENTRE PROXIES DA COMPLEXIDADE
ECONÔMICA E AS VARIÁVEIS DO DESENVOLVIMENTO HUMANO. O MÉTODO
UTILIZADO FORAM REGRESSÕES LINEARES MÚLTIPLAS DO TIPO COBB-
DOUGLAS AJUSTADAS, PARA 49 PAÍSES ENTRE 2010 E 2013. OS RESULTADOS
DEMONSTRARAM QUE AS PROXIES PARA COMPLEXIDADE ECONÔMICA ESTÃO
CORRELACIONADAS E POSSUEM SIGNIFICÂNCIA ESTATÍSTICA COM AS
VARIÁVEIS RELATIVAS AO DESENVOLVIMENTO HUMANO. DESTA FORMA, A
CONTRIBUIÇÃO DESTE ARTIGO FOI COMPROVAR OS PRESSUPOSTOS TEÓRICOS
DA LITERATURA INTERNACIONAL, DE QUE OS INVESTIMENTOS EM P&D E O
NÍVEL DE EXPORTAÇÕES DE PRODUTOS DE ALTA TECNOLOGIA SÃO VARIÁVEIS
RELEVANTES PARA EXPLICAR O DESENVOLVIMENTO HUMANO NOS PAÍSES
ANALISADOS.

Palavras-chaves: COMPLEXIDADE ECONÔMICA; DESENVOLVIMENTO HUMANO;

MUDANÇA ESTRUTURAL; ECONOMETRIA; FUNÇÃO COBB-
DOUGLAS.
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

ECONOMIC COMPLEXITY AND HUMAN

DEVELOPMENT: AN ECONOMETRIC
ANALYSIS
Abstract: IT HAS BEEN ARGUED THAT THE GROSS DOMESTIC PRODUCT IS A
WEAK INDICATOR TO MEASURE ECONOMIC AND HUMAN DEVELOPMENT. NEW
APPROACHES SUGGEST THAT THE GOODS PRODUCED ARE DEPENDENT ON
THE AVAILABLE KNOWLEDGE, WHICH REFLECTS ON THE CAPACITIES OF
IINDIVIDUALS. COMPLEX ECONOMIES ARE THOSE ABLE TO GENERATE
KNOWLEDGE THROUGH A NETWORK OF PEOPLE GENERATING A VARIETY OF
HIGH TECHNOLOGY PRODUCTS. HOWEVER, STILL THERE IS NO CONSENSUS ON
WHICH VARIABLES MUST BE USED FOR ITS MEASUREMENT. THE OBJECTIVE OF
THIS ARTICLE IS TO EVALUATE ECONOMICALLY THE RELATIONSHIP BETWEEN
PROXIES OF ECONOMIC COMPLEXITY AND THE VARIABLES OF HUMAN
DEVELOPMENT. THE METHOD USED WAS MULTIPLE COBB-DOUGLAS LINEAR
REGRESSIONS ADJUSTED FOR 49 COUNTRIES BETWEEN 2010 AND 2013. THE
RESULTS DEMONSTRATED THAT THE PROXIES FOR ECONOMIC COMPLEXITY
ARE CORRELATED AND POSSESS STATISTICAL MEASUREMENT WITH THE
VARIABLES RELATED TO HUMAN DEVELOPMENT. IN THIS WAY, THE
CONTRIBUTION OF THIS ARTICLE IS TO PROVIDE THE THEORETICAL
ASSUMPTIONS OF INTERNATIONAL LITERATURE, THAT R & D INVESTMENTS
AND THE LEVEL OF EXPORTS OF HIGH TECHNOLOGY PRODUCTS ARE
VARIABLE RELEVANT TO EXPLAIN HUMAN DEVELOPMENT IN THE COUNTRIES
ANALYZED.

Keyword: ECONOMIC COMPLEXITY; HUMAN DEVELOPMENT; STRUCTURAL

CHANGE; ECONOMETRIC; COBB-DOUGLAS FUNCTION.

2
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

1. Introdução

Índices que contemplam questões sociais foram desenvolvidos como resposta à

interpretação de que o crescimento do Produto Interno Bruto (PIB) seria suficiente para o
bem-estar da população (SEN, 2001; DESPOTIS, 2005; MARIANO e REBELATTO, 2014;
MARIANO et al., 2015). Novas abordagens sugerem que os bens produzidos dependem do
conhecimento disponível, o que se reflete sobre as capacidades dos indivíduos
(HARTMANN, 2014).
A Economic Complexity compreende a economia como um sistema aberto não-linear,
em que os agentes possuem racionalidade limitada (MARTIN e SUNLEY, 2007). Economias
complexas são aquelas capazes de gerar conhecimento por meio de uma rede de pessoas,
gerando uma variedade de produtos de alta tecnologia (HAUSMANN et al., 2014). Contudo,
ainda não há consenso sobre quais variáveis devem ser utilizadas para sua mensuração.
Já se sabe da existência de correlação positiva entre o nível de exportação de produtos
tecnológicos e desenvolvimento humano. Hartmann (2014) comprovou que a complexidade é
mais importante para o desenvolvimento humano do que para o PIB. Embora crescimento
auxilie o combate dos problemas sociais, a complexidade corrobora para que as pessoas
desenvolvam melhor suas capacidades, contribuindo para o progresso social. Um país
complexo cria novos setores, gera empregos de melhor qualidade, o que torna o país mais
forte para enfrentar crises econômicas.
Isto demonstra a importância da complexidade em estudos que relacionem variáveis
socioeconômicas, bem como na consideração da complexidade sobre a qualidade de vida.
Este artigo argumenta ser necessário avaliar econometricamente a relação entre as variáveis
utilizadas como proxy da complexidade econômica e desenvolvimento humano. O problema a
ser investigado consiste em avaliar como estas variáveis afetam os aspectos sociais. Diante do
exposto, o objetivo deste artigo é mensurar o impacto da exportação de produtos de alta
tecnologia e investimentos em P&D sobre o desenvolvimento humano entre 2010 e 2013 no
mundo.

2. Desenvolvimento Humano

Desenvolvimento econômico e humano possuem relação complexa. Embora haja

crescimento da economia, o aumento na qualidade de vida é mais importante
(SCHUMPETER, 1934; SACHS, 2004). Por isso, Sen (1998) verificou que alguns países com
rendas mais baixas possuíam expectativa de vida mais elevadas do que países com renda

3
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

superior.
Desenvolvimento humano pode ser compreendido como o processo de expansão das
liberdades individuais, o que se refere às capacidades das pessoas em tomar decisões (SEN,
2001). Isto torna necessário garantir padrões mínimos de educação, saúde, saneamento básico
e renda (LOPEZ et al., 2008; HIDALGO e HAUSMANN, 2009; HARTMANN, 2014).
Quando as liberdades se expandem, os agentes desfrutam atividades livremente escolhidas e
valorizadas. Existem liberdades ligadas às oportunidades sociais, como o acesso à educação,
saúde, saneamento básico e ao emprego (SEN, 2001). Essas liberdades se influenciam e se
reforçam mutuamente, gerando um ciclo virtuoso de desenvolvimento. Por isso, os agentes
devem possuir funcionamentos e capacidades.

3. Para além do crescimento: a nova abordagem Economic Complexity

Muitos setores econômicos foram criados desde a Revolução Industrial, alterando os

bens produzidos e os atores sociais durante o processo de desenvolvimento econômico
(SAVIOTTI e PYKA, 2013). Isto é importante porque a restrição da estrutura produtiva é
responsável por gerar problemas na distribuição da renda e do emprego em um país
(PREBISH, 1949; FURTADO, 1959). Estudos recentes analisam a pauta de exportações,
utilizada para prever o padrão de diversificação (HIDALGO et al., 2007), crescimento
econômico (HIDALGO e HAUSMANN, 2009; HAUSMANN et al., 2014) e renda
(HARTMANN, 2014; HARTMANN et al., 2015).
A complexidade econômica tem argumentado que países com alta renda per capita são
caracterizados pela diversificação da pauta de exportações e o quanto de produtos intensivos
em tecnologia podem ser exportados (TACCHELLA et al., 2013). Segundo Ferrarini e
Scaramozzino (2016), economias desenvolvidas apresentam maior crescimento do PIB devido
a sua produção de bens mais complexos, interligados por um conjunto mais amplo de
produtos e indústrias. Hidalgo e Hausmann (2009) comprovaram que a diversificação
econômica conduz o país ao crescimento econômico e à elevação da renda no longo prazo.
Para Hausmann et al. (2014, p. 18), a complexidade define a estrutura produtiva de
uma nação. A capacidade de produzir maquinários, equipamentos médicos e outros produtos
de alta tecnologia são considerados mais complexos do que aqueles que exportam
commodities. Nações com baixa diversificação são capazes de exportar menos produtos e
com menor intensidade tecnológica (TACCHELLA et al., 2013).
A importância da exportação de produtos de alta tecnologia ocorre devido a vantagem

4
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

competitiva na economia global. Quanto maior a aptidão para produzir bens complexos,
maior a probabilidade de haver rendimento relativamente elevado em relação aos países com
menor aptidão (TACCHELLA et al., 2013). Países capazes de produzir bens tecnológicos,
com exportação diversificada, tornam o mercado interno mais dinâmico, o que requer
capacidades mais sofisticadas e raras (FERRARINI e SCARAMOZZINO, 2016).
Uma forma comum de verificar o grau de complexidade de um país é pelo Índice de
Complexidade Econômica (ECI), calculado a partir dos dados das Nações Unidas (HIDALGO
e HAUSMANN, 2009). O ECI mostra as características de produção por meio das
exportações. Quanto maior o ECI, mais diversificada a pauta de exportações e mais complexa
será a economia. Contudo, este índice recebeu críticas sobre sua formulação teórica e
matemática (TACCHELLA et al., 2013).
A capacidade de exportar produtos de alta tecnologia e os gastos com Pesquisa e
Desenvolvimento (P&D) são fundamentais para a análise da complexidade econômica. Os
gastos em P&D são importantes para que ocorra diversificação e exportação de produtos de
alta tecnologia por meio de inovações (FERRARINI e SCARAMOZZINO, 2016).
As empresas realizam atividades de pesquisa, o que gera bens de melhor qualidade,
cria novas rotinas e torna a produção mais eficiente. São as atividades de pesquisa que
fornecem o conhecimento necessário para a criação das inovações (SAVIOTTI e PYKA,
2004). Os novos setores e a melhora no produto compensam a diminuição da capacidade dos
setores estabelecidos, gerando novos postos de trabalho de mão-de-obra especializada
(SAVIOTTI e PYKA, 2013).
Segundo Saviotti e Pyka (2004), P&D é o exemplo mais comum, embora não seja o
único, das atividades de pesquisa e inovação que ocorrem nas empresas. P&D é considerado
um insumo não tradicional, que define grande parte da eficiência e da competitividade das
empresas, principalmente nos países em desenvolvimento, onde a indústria de máquinas e
equipamentos agrícolas são geralmente o núcleo do setor de bens de capital, servindo
posteriormente de base para o desenvolvimento de outras áreas (MORALLES e
REBELATTO, 2016).
A mudança estrutural causada pela inovação é a principal forma de criar novos setores,
que são fundamentais para a sustentação do desenvolvimento econômico (SAVIOTTI et al.,
2016). Isto exige mudanças técnicas e sociais, além do desenvolvimento de novas habilidades
úteis para a empresa e para a sociedade (KRUSS et al., 2015). Uma economia voltada para a
exportação de produtos tecnológicos e P&D tende a crescer e se desenvolver socialmente.
Neste sentido, os centros urbanos presentes nas economias complexas tendem oferecer

5
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

melhor infraestrutura e requerer mais capacidades dos agentes envolvidos. Hartmann (2014)
argumenta que a região onde uma pessoa vive influencia suas capacidades. Os empregos
gerados nos centros urbanos, geralmente, são tecnologicamente intensivos, exigindo maior
capacitação técnica e uma rede de conhecimento compartilhada por diversos indivíduos. Isto
demonstra a influência da complexidade econômica sobre o desenvolvimento humano.

4. O binômio Complexidade Econômica versus Desenvolvimento Humano

Para a produção são necessários fatores como capital, terra e trabalho. Os países
também precisam ter infraestrutura adequada, direitos de propriedades, regulamentações,
competências laborais e mão de obra especializada. Por isso, Hidalgo e Hausmann (2009)
argumentam que o conhecimento também é um fator de produção relevante.
A complexidade de uma economia está relacionada com os tipos de produtos
desenvolvidos, em virtude da multiplicidade de conhecimento disponível. Países que
produzem bens de alta tecnologia necessitam de conhecimento mais avançado do que países
intensivos na produção de commodities. Para que uma economia se mantenha complexa,
indivíduos de diversas áreas (finanças, marketing, tecnologia, recursos humanos, operações,
direito, entre outras) devem interagir e combinar seus conhecimentos, gerando produtos mais
sofisticados (HAUSMANN et al., 2014).
Hartmann et al. (2015) argumentam que a complexidade conduz ao desenvolvimento
humano. Os autores encontraram forte correlação entre complexidade, desigualdade de renda,
educação e crescimento do PIB. Países mais complexos apresentam maior crescimento do PIB
e dos anos de estudo, além de uma distribuição de renda equânime.
Para Ferrarini e Scaramozzino (2016), a complexidade influencia o desenvolvimento
de novas competências e a formação do capital humano. Os sistemas econômicos complexos
exigem um conjunto de capacidades adaptáveis às mudanças tecnológicas. Para que a
economia cresça e se modernize, o Estado deve prover condições para a intensificação da
inovação, da competitividade e da diversificação econômica.
Um exemplo é o aumento da produtividade sul coreana, que está ligado à forte
melhora na acumulação de capital humano. O número de anos médios de escolaridade
aumentou de 4.1 anos em 1960 para 12.0 anos em 2010 (LEE, 2016). Por outro lado, na China
ainda existem lacunas significativas no capital humano, indicando que o governo poderia
estimular o crescimento via investimento educacional (LEE, 2016).
Hartmann et al. (2016) comparou a desigualdade de renda e a complexidade

6
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

econômica entre América Latina e países asiáticos. A América Latina, que desfrutou o
aumento dos preços das commodities na última década, obteve melhora nos indicadores
sociais, o que não foi suficiente para promover uma mudança estrutural. Isto refletiu na falta
de oportunidades em postos de trabalho de melhor qualidade. Os países asiáticos, que
investiram em capital humano e inovação tecnológica, tornaram a economia mais complexa e
melhoraram a qualidade de vida da população.
A mudança estrutural é importante, pois novos setores tecnológicos elevam a média
salarial e a demanda por mão-de-obra qualificada (ANTONELLI, 2016). A educação
especializa a mão-de-obra, aumenta a renda per capita e o poder de compra dos consumidores,
além de melhorar a qualidade dos bens produzidos pelos trabalhadores especializados
(SAVIOTTI et al., 2016). Este ciclo virtuoso tem papel fundamental na transformação de
sociedades com abundância de trabalhadores com baixa qualificação.
Ferrarini e Scaramozzino (2016) mostraram que o aumento da complexidade
aumentou a acumulação do capital humano por meio do avanço das habilidades e promoção
da aprendizagem. A educação apresentou coeficiente positivo em relação à produção per
capita. O coeficiente da participação da força de trabalho foi negativo devido à baixa
substituição entre fator de produção e mão-de-obra empregada nas economias mais pobres. Os
países asiáticos demonstram crescimento sustentado, enquanto EUA, Alemanha, França,
Reino Unido, Itália e Espanha apresentaram crescimento mais lento.
Sociedades mais complexas e interligadas requerem mão-de-obra especializada, o que
influencia a capacidade dos agentes e, consequentemente, o desenvolvimento humano.
Contudo, de acordo com Hartmann (2014), as políticas públicas de muitos países
negligenciem a importância da complexidade econômica sobre a qualidade de vida.

5. Método

Este artigo analisa 49 países que possuem dados disponíveis entre 2010 e 2013. A
seleção das variáveis foi embasada em estudos prévios, a fim de atender os pressupostos
teóricos apresentados anteriormente.
Este artigo propõe utilizar a Exportação de Produtos de Alta Tecnologia ponderado
pelo PIB (EPAT/PIB) e o Investimento em Pesquisa e Desenvolvimento (P&D) como proxies
da complexidade econômica. Como poxies do desenvolvimento humano foram escolhidas as
seguintes variáveis: expectativa de vida ao nascer, anos médios de estudo, taxa de saneamento
básico e taxa de emprego. A Tabela 1 resume as variáveis selecionadas.

7
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

TABELA 1 - Variáveis selecionadas para o estudo.

Após coletadas, as variáveis foram analisadas a partir de uma matriz de correlação e

regressão linear. Com o intuito de buscar estimativas que mensurem a influência da
complexidade sobre o desenvolvimento humano, este estudo propõe oito modelos
econométricos que analisem esta relação. Para isso, procedeu-se com funções Cobb-Douglas
adaptadas para o problema de pesquisa (Expressão 1).

log yitvar iável social

  0  1 log FBKF   2 log PEA   3 log PIB   4 log EPAT / PIB   5 log P & D   (1)

Em que: y itvariável social

é uma das variáveis sobre desenvolvimento humano; 0 é o

intercepto; 1 log FBKF é o logaritmo da formação bruta de capital fixo;  2 log PEA é o

logaritmo da população economicamente ativa; 3 log PIB é o logaritmo do produto interno

 log P & D
bruto;  4 log EPAT é o logaritmo da exportação de produtos de alta tecnologia e; 5 é
o logaritmo dos gastos em P&D.
Propõe-se a utilização de uma regressão log-log, pois é possível interpretar os
parâmetros como elasticidades. Optou-se pela análise de regressão linear múltipla, pois esta
técnica é mais receptiva à análise ceteris paribus. Isto permite controlar explicitamente outros
fatores que, de maneira, simultânea afetam a variável dependente (GREENE, 2011).
A inferência estatística do modelo econométrico ocorrerá, pelo Teste t que avaliará a
significância de um único parâmetro, partindo da hipótese de nulidade em relação à uma
hipótese alternativa. A H0 defenderá que o parâmetro analisado é igual a zero e a Ha indica
que o parâmetro é diferente de zero (GREENE, 2011).

8
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

O teste de restrições lineares múltiplas, isto é, o teste F, verifica a significância do

modelo de regressão linear. Parte-se de uma hipótese nula que afirma que nenhuma das
variáveis explicativas tem efeito sobre a variável dependente (GREENE, 2011).
Além de verificar a significância estatística dos parâmetros e o R² ajustado, utilizou-se
método da análise comparativa dos critérios de informação de Akaike (AIC) e Bayesiano
(BIC) para selecionar o melhor modelo (GREENE, 2011). Este artigo utilizou o software
estatístico Stata versão 12.0 para a resolução dos modelos.

6. Resultados e Discussão

Por meio da matriz de correlação, verifica-se que todas as variáveis sociais, exceto os
anos médios de estudo e a taxa de emprego, possuem correlação estatisticamente significativa.
Ademais, todas as variáveis apresentaram sinal esperado. Os investimentos em P&D
apresentaram maior correlação com a expectativa de vida (16,71%), seguido da taxa de
saneamento (12,12%).
Em relação à variável EPAT/PIB, verifica-se que todas as variáveis sociais
apresentaram correlação positiva e foram estatisticamente significativas. A expectativa de
vida (23,94%) foi a variável social que apresentou maior correlação, seguida pela taxa de
emprego (22,11%), taxa de saneamento (15,87%) e anos médios de estudo (12,41%).
Os resultados da matriz de correlação demonstram que tanto as exportações de alta
tecnologia quanto os investimentos em P&D são proxies favoráveis para explicação do
desenvolvimento humano nos 49 países da amostra analisada.
A Tabela 2 resume os resultados encontrados na matriz de correlação entre as
variáveis analisadas.

TABELA 2 – Matriz de Correlação entre Complexidade Econômica e Desenvolvimento Humano.

9
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

Em relação aos modelos econométricos estimados, a Tabela 3 mostra a relação entre

os fatores de produção de uma função Cobb-Douglas e as proxies da complexidade
econômica sobre a variável dependente (anos médios de estudo).
Verificou-se que o Modelo 5 foi aquele que obteve maior R²-Ajustado de (18,56%) e
menor BIC (-1672,5160), o que demonstra melhor ajuste dentre os modelos analisados. Neste
modelo, a variável P&D foi estatisticamente significativa ao nível de 5% e teve sinal esperado
(positivo). Note-se que os gastos em P&D (0,0114) explicam mais os anos de estudo do que o
PIB (0,0084).
Os demais modelos demostraram que a variável P&D é estatisticamente significativa e
que a variável EPAT/PIB teve sinal esperado, embora o parâmetro não tenha apresentado
significância.

TABELA 3 – Estimativas da Função Cobb-Douglas ajustadas para os anos médios de estudo.

Tabela 3 – Estimativas Função Cobb-Douglas ajustadas dos anos médios de estudo
Variáveis Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo 7 Modelo 8
PEA 0.1390* 0.1351* 0.1410* 0.1543* 0.1339* 0.1755* 0.1405* 0.1450*
PIB 0.0172 0.0089 - 0.0192*** 0.0084 - - -
FBKF -0.0065 - 0.0020 - - 0.0061 0.0019 -
EPAT/PIB 0.0023 0.0023 0.0008 0.0121 - 0.0121 - 0.0001
P&D 0.0102*** 0.0110** 0.0127** - 0.0114** - 0.0128* 0.0130*
Constante -0.0221 -0.0363 -0.0712 -0.1416 -0.0269 -0.2720 -0.0675 -0.0792
R²-Ajustado 0.1875 0.1858 0.1829 0.1652 0.1856 0.1496 0.1829 0.1825
AIC -1682.1770 -1683.7590 -1683.0560 -1680.7660 -1685.7090 -1677.0710 -1685.0500 -1684.9510
BIC -1662.3870 -1667.2670 -1666.5640 -1667.5730 -1672.5160 -1663.8770 -1671.8570 -1671.7570
Teste F <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001
Significância estatística: (*) nível de 1%; (**) nível de 5%; (***) nível de 10%
Fonte: Elaboração própria

A Tabela 4 mostra que o primeiro modelo foi o que apresentou maior grau de
explicação para a expectativa de vida. Com R²-Ajustado (48,65) e BIC (-1994,7540)
superiores aqueles encontrados nos demais modelos, a variável P&D (0,0113) foi
estatisticamente significativa ao nível de 1%.
Investimentos em P&D (0,0113) explicaram mais a variação sobre a expetativa de vida
do que a população economicamente ativa (0,0041). A variável EPAT/PIB demonstrou sinal
esperado apenas no Modelo 6.

10
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

TABELA 4 – Estimativas da Função Cobb-Douglas ajustadas para a expectativa de vida.

Tabela 4 – Estimativas Função Cobb-Douglas ajustadas da expectativa de vida
Variáveis Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo 7 Modelo 8
PEA 0.0041 -0.0042 0.0090 0.0187 -0.0010 0.0572* 0.0145 0.0238
PIB 0.0432* 0.0253* - 0.0376* 0.0266* - - -
FBKF -0.0140* - 0.0073** - - 0.0131* 0.0085* -
EPAT/PIB -0.0062 -0.0061 -0.0099 0.0055 - 0.0059 - -0.0124
P&D 0.0113* 0.0131* 0.0177* - 0.0120* - 0.0161* 0.0190*
Constante 1.7509* 1.7206 1.6278* 1.5948* 1.6963* 1.3476* 1.5812* 1.5982*
R²-Ajustado 0.4865 0.4603 0.3907 0.3627 0.4558 0.1750 0.3783 0.3712
AIC -2014.5440 -2006.6110 -1982.3210 -1975.3470 -2006.9360 -1923.7130 -1980.2960 -1978.0240
BIC -1994.7540 -1990.1200 -1965.8290 -1962.1540 -1993.7420 -1910.5200 -1967.1030 -1964.8310
Teste F <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001
Significância estatística: (*) nível de 1%; (**) nível de 5%; (***) nível de 10%
Fonte: Elaboração própria

Em relação à taxa de saneamento, o Modelo 4 foi o mais robusto, pois apresentaram

maior R²-Ajustado (26,35%) e estatística BIC igual a -1974,3780. Neste modelo, a variável
P&D não foi considerada e a variável EPAT/PIB não foi significativa. Contudo, o Modelo 3,
com R²-Ajustado (24,44%) próximo aquele do Modelo 4, demonstrou haver significância
estatística para os investimentos em P&D (0,0047) (ver Tabela 5).

TABELA 5 – Estimativas da Função Cobb-Douglas ajustadas para o saneamento básico.

Tabela 5 – Estimativas Função Cobb-Douglas ajustadas do saneamento básico
Variáveis Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo 7 Modelo 8
PEA 0.0527* 0.0532* 0.0548* 0.0564* 0.0561* 0.0674* 0.0587* 0.0749*
PIB 0.0185** 0.0196* - 0.0213* 0.0208* - - -
FBKF 0.0008 - 0.0100* - - 0.0115* 0.0108* -
EPAT/PIB -0.0055 -0.0055 -0.0071 -0.0039 - -0.0030 - -0.0104
P&D 0.0019 0.0018 0.0047*** - 0.0007 - 0.0035 0.0064*
Constante 1.5086* 1.5104* 1.4560* 1.4931* 1.4883* 1.3825* 1.4226 1.4156*
R²-Ajustado 0.2659 0.2658 0.2444 0.2635 0.2611 0.2261 0.2365 0.2000
AIC -1984.2260 -1986.1950 -1980.4440 -1987.5710 -1986.9310 -1977.6750 -1980.3870 -1971.0460
BIC -1964.4360 -1969.7030 -1963.9520 -1974.3780 -1973.7380 -1964.4820 -1967.1940 -1957.8530
Teste F <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001
Significância estatística: (*) nível de 1%; (**) nível de 5%; (***) nível de 10%
Fonte: Elaboração própria

A Tabela 6 mostra que o Modelo 1 demonstrou melhor ajuste para a taxa de emprego.
As variáveis P&D e EPAT/PIB obtiveram sinal esperado. Além disso, o EPAT/PIB foi
estatisticamente significativo ao nível de 10% no Modelo 3.

11
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

TABELA 6 – Estimativas da Função Cobb-Douglas ajustadas para o emprego.

Tabela 6 – Estimativas Função Cobb-Douglas ajustadas do emprego
Variáveis Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo 7 Modelo 8
PEA 0.3395* 0.4191* 0.3288* 0.3980* 0.4022* 0.3041* 0.3058* 0.5048*
PIB -0.0943* 0.0774* - 0.0660* 0.0703* - - -
FBKF 0.1340* - 0.0874* - - 0.0845* 0.0826* -
EPAT/PIB 0.0339 0.0323 0.0420*** 0.0216 - 0.0338 - 0.0130
P&D 0.0048 -0.0121 -0.0091 - -0.0059 - -0.0022 0.0058
Constante -1.7210* -1.4307* -1.4524* -1.3144** -1.3015** -1.3086* -1.2557** -1.8058*
R²-Ajustado 0.4160 0.2712 0.3884 0.2661 0.2634 0.3849 0.3750 0.2204
AIC -1428.1990 -1385.8940 -1420.9520 -1386.5080 -1385.7620 -1421.8280 -1418.6180 -1374.4270
BIC -1408.4090 -1369.4020 -1404.4600 -1373.3150 -1372.5690 -1408.6350 -1405.4250 -1361.2340
Teste F <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001
Significância estatística: (*) nível de 1%; (**) nível de 5%; (***) nível de 10%
Fonte: Elaboração própria

Em resumo, a análise econométrica demonstrou que as proxies para complexidade

econômica estão correlacionadas e possuem significância estatística com as variáveis relativas
ao desenvolvimento humano. Desta forma, a contribuição deste artigo foi comprovar que os
investimentos em P&D e o nível de exportações de produtos de alta tecnologia são variáveis
relevantes para explicar o desenvolvimento humano em 49 países do mundo entre 2010 e
2013. Este resultado confirma os pressupostos teóricos anteriormente discutidos (HIDALGO
e HAUSMANN, 2009; HARTMANN, 2014; HAUSMANN et al., 2014; HARTMANN et al.,
2015; ANTONELLI, 2016).

7. Considerações finais

Considerou-se a complexidade econômica como uma nova variável para obtenção do

desenvolvimento humano. Os resultados econométricos demonstraram haver correlação entre
investimentos em P&D e quantidade exportada de produtos de alta tecnologia sobre as
variáveis sociais analisadas. Isto confirma os pressupostos de que há influência da
complexidade econômica sobre o desenvolvimento humano.
Uma limitação deste estudo foi não utilizar variáveis que mensurem a desigualdade
dos países (Índice de Gini) e a o ambiente democrático. Devido a indisponibilidade de dados,
optou-se por não as utilizar.
O resultado deste artigo reforça a importância de políticas focadas no desenvolvimento
econômico em dois aspectos. Primeiro, por meio de uma política industrial que priorize a
diversificação da pauta de exportações para produtos tecnologicamente intensivos. Em
segundo lugar, a importância dos investimentos e pesquisa e desenvolvimento, a fim de
melhorar a qualidade de vida da população.

12
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

Referências
ANTONELLI, C. Technological congruence and the economic complexity of technological change. Structural
Change and Economic Dynamics, v. 38, p. 15-24, 2016.
DESPOTIS, D. K. Improving the Discriminating Power of DEA: focus on globally efficient units. Journal of the
Operational Research Society. v.53, p.314-323. 2005.
FERRARINI, B.; SCARAMOZZINO, P. Production complexity, adaptability and economic growth. Structural
Change and Economic Dynamics, v. 37, p. 52-61, 2016.
FURTADO, C. Formação econômica do Brasil. Rio de Janeiro: Fundo de Cultura, 1959.
GREENE, W. H. Econometric Analysis. 7 ed. New York: Prentice Hall, 2011.
HARTMANN, D. Economic Complexity and Human Development: how economic diversification and social
networks affect human agency and welfare. Routledge, 2014.
HARTMANN, D.; GUEVARA, M. R.; JARA-FIGUEROA, C.; ARISTARÁN, M.; HIDALGO, C. A. Linking
Economic Complexity, Institutions and Income Inequality. Working Paper Cornell University Library. Disp. em
<http://arxiv.org/abs/1505.07907>. Versão de 13 de agosto. 2015.
HAUSMANN, R.; HIDALGO, C. A.; BUSTOS, S.; COSCIA, M.; SIMOES, A.; YILDIRIM, M. A. The Atlas of
Economic Complexity: mapping paths to prosperity. MIT Press. 2014.
HIDALGO, C. A.; HAUSMANN, R. The building blocks of economic complexity. Proceedings of the National
Academy of Sciences of the United States of America, v. 106, n. 26, p. 10570-10575, 2009.
HIDALGO, C. A. et al. The product space conditions the development of nations. Science, v. 317, n. 5837, p.
482-487, 2007.
KRUSS, G. et al. Higher education and economic development: The importance of building technological
capabilities. International Journal of Educational Development, v. 43, p. 22-31, 2015.
LEE, J. W. Korea's Economic Growth and Catch-up: Implications for China. China & World Economy, v. 24, n.
5, p. 71-97, 2016.
LÓPEZ, R.; THOMAZ, V.; WANG, Y. The Quality of Growth: fiscal policies for better results. Washington:
IEG working papper. 2008.
MARIANO E. B.; SOBREIRO, V. A.; REBELATTO, D. A. Human development and data envelopment
analysis: a structured literature review. Omega. v.54, p.33–49. 2015.
MARIANO, E. B.; REBELATTO, D. A. D. Transformation of wealth produced into quality of life: analysis of
the social efficiency of nation-states with the DEA's triple index approach. Journal of the Operational Research
Society, v. 65, n. 11, p. 1664-1681, 2014.
MARTIN, R.; SUNLEY, P. Complexity thinking and evolutionary economic geography. Journal of Economic
Geography, v. 7, n. 5, p. 573-601, 2007.
MORALLES, H. F.; REBELATTO, D. A. D. The effects and time lags of R&D spillovers in Brazil. Technology
in Society, v. 47, p. 148-155, 2016.
PREBISCH, R. The Economic Development of Latin America and Its Principal Problems. UN. 1949.
SACHS, I. Desenvolvimento Includente, Sustentável, Sustentado. Rio de Janeiro: Garamond/Sebrae. 2004.
SAVIOTTI, P. P.; PYKA, A. Economic development by the creation of new sectors. Journal of Evolutionary
Economics, v. 14, n. 1, p. 1-35, 2004.
SAVIOTTI, P. P.; PYKA, A. From necessities to imaginary worlds: Structural change, product quality and

13
 XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017

economic development. Technological Forecasting and Social Change, v. 80, n. 8, p. 1499-1512, 2013.
SAVIOTTI, P. P.; PYKA, A.; JUN, B. Education, structural change and economic development. Structural
Change and Economic Dynamics, v. 38, p. 55-68, 2016.
SEN, A. Development as freedom. Oxford Paperbacks, 2001.
SEN, A. Mortality as an indicator of economic success and failure. Economic Journal, v.108, p.1-25. 1998.
SCHUMPETER, J. The Theory of Economic Development, Cambridge: Harvard University, 1934.
TACCHELLA, A.; CRISTELLI, M.; CALDARELLI, G.; GABRIELLI, A.; PIETRONERO, L. Economic
complexity: Conceptual grounding of a new metrics for global competitiveness. Journal of Economic Dynamics
& Control, v. 37, n. 8, p. 1683-1691, 2013.

14

View publication stats