XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO

Desafios da Engenharia de Produção no Contexto da Indústria 4.0

Bauru, SP, Brasil, 6 a 8 de novembro de 2019

UMA ANÁLISE SOBRE A RELAÇÃO ENTRE

COMPLEXIDADE ECONÔMICA E
DESENVOLVIMENTO HUMANO NAS UNIDADES
FEDERATIVAS DO BRASIL
CRISTHIAN MAFALDA– cristhian.mafalda@usp.br
UNIVERSIDADE DE SÃO PAULO - USP

DIOGO FERRAZ – diogoferraz@usp.br

UNIVERSIDADE DE SÃO PAULO - USP

KAROLINE ARGUELHO DA SILVA – karoline.arguelho@gmail.com

UNIVERSIDADE DE SÃO PAULO - USP

ISOTILIA COSTA MELO – isotilia@gmail.com

UNIVERSIDADE DE SÃO PAULO - USP

DAISY APARECIDA DO NASCIMENTO REBELATO – daisy@usp.br

UNIVERSIDADE DE SÃO PAULO - USP

Área: 11. ENG. PROD., SUSTENTABILIDADE E RESP. SOCIAL

Sub-Área: 11.4 - SUSTENTABILIDADE E SISTEMAS DE INDICADORES

Resumo: O CRESCIMENTO ECONÔMICO TÊM SE DEMONSTRADO

INSUFICIENTE PARA EXPLICAR O DESENVOLVIMENTO HUMANO. NESTE
ASPECTO, A COMPLEXIDADE ECONÔMICA TEM SE TORNADO UMA
ALTERNATIVA PARA MELHOR COMPREENDER ESTE FENÔMENO. O
OBJETIVO DESTE ARTIGO É ANALISAR O IMPACTO DA COMPLEXIDADE
ECONÔMICA SOBRE O DESENVOLVIMENTO HUMANO NAS UNIDADES
FEDERATIVAS (UFS) DO BRASIL. A FIM DE MENSURAR O IMPACTO DA
COMPLEXIDADE SOBRE AS VARIÁVEIS SOCIAIS, MODELOS
ECONOMÉTRICOS FORAM ESTIMADOS PARA O PERÍODO ENTRE 2006 A 2015.
ALÉM DISSO, POR MEIO DO DATA ENVELOPMENT ANALYSIS (DEA),
CALCULOU-SE A EFICIÊNCIA DAS UFS PARA O ANO DE 2015. OS MODELOS
ECONOMÉTRICOS DEMONSTRARAM QUE HÁ CORRELAÇÃO ENTRE
COMPLEXIDADE E DESENVOLVIMENTO HUMANO. QUANTO MAIS A
COMPLEXIDADE AUMENTA, MAIOR É O DESENVOLVIMENTO HUMANO DAS
UFS NO BRASIL. O DEA DEMONSTROU QUE APENAS ONZE UFS FORAM
EFICIENTES. HÁ PREDOMINÂNCIA DE EFICIÊNCIA NA REGIÃO SUDESTE,
ENQUANTO A REGIÃO NORTE APRESENTOU OS MENORES INDICADORES.
ALÉM DISSO, O NORDESTE APRESENTOU ALGUNS ESTADOS EFICIENTES, O
QUE PODE SER EXPLICADO PELAS POLÍTICAS SOCIAIS DESENVOLVIDAS NAS
ÚLTIMAS DÉCADAS NA REGIÃO.
Palavras-chaves: COMPLEXIDADE ECONÔMICA; DESENVOLVIMENTO HUMANO;
ECONOMETRIA; DATA ENVELOPMENT ANALYSIS (DEA); BRASIL.

1
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

AN ANALYSIS OF THE RELATIONSHIP BETWEEN ECONOMIC

COMPLEXITY AND HUMAN DEVELOPMENT IN THE BRAZILIAN
FEDERATIVE UNITS

Abstract: ECONOMIC GROWTH HAS PROVED INSUFFICIENT TO EXPLAIN

HUMAN DEVELOPMENT. IN THIS ASPECT, THE ECONOMIC COMPLEXITY HAS
BECOME AN ALTERNATIVE TO BETTER UNDERSTAND THIS PHENOMENON.
THE OBJECTIVE OF THIS ARTICLE IS TO ANALYZE THE IMPACT OF
ECONOMIC COMPLEXITY ON HUMAN DEVELOPMENT IN THE FEDERATIVE
UNITS (UFS) OF BRAZIL. IN ORDER TO MEASURE THE IMPACT OF
COMPLEXITY ON SOCIAL VARIABLES, ECONOMETRIC MODELS WERE
ESTIMATED FOR THE PERIOD BETWEEN 2006 AND 2015. IN ADDITION,
THROUGH DATA ENVELOPMENT ANALYSIS (DEA), THE EFFICIENCY OF THE
UFS WAS CALCULATED FOR THE YEAR 2015 ECONOMETRIC MODELS HAVE
DEMONSTRATED THAT THERE IS A CORRELATION BETWEEN COMPLEXITY
AND HUMAN DEVELOPMENT. THE MORE COMPLEXITY INCREASES, THE
GREATER THE HUMAN DEVELOPMENT OF THE UFS IN BRAZIL. THE DEA
SHOWED THAT ONLY ELEVEN UFS WERE EFFICIENT. THERE IS A
PREDOMINANCE OF EFFICIENCY IN THE SOUTHEAST REGION, WHILE THE
NORTH REGION SHOWED THE LOWEST INDICATORS. IN ADDITION, THE
NORTHEAST PRESENTED SOME EFFICIENT STATES, WHICH CAN BE
EXPLAINED BY THE SOCIAL POLICIES DEVELOPED IN THE LAST DECADES IN
THE REGION.

Keywords: ECONOMIC COMPLEXITY; HUMAN DEVELOPMENT; ECONOMETRICS;

DATA ENVELOPMENT ANALYSIS (DEA); BRAZIL.

2
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

1. Introdução

O principal objetivo do crescimento econômico deve ser o desenvolvimento humano

(SEN, 2001; MARIANO E REBELATTO, 2014). A análise dos países tem se desenvolvido a
partir da verificação do crescimento dos bens ou serviços produzidos e comercializados,
geralmente mensurados por meio de variáveis macroeconômicas, por exemplo, o Produto
Interno Bruto (PIB). Entretanto, o crescimento econômico isolado não é eficiente para
promover a qualidade de vida (SEN, 1998; HARTMANN, 2014). Nesse contexto, o conceito
de “Complexidade Econômica” foi elaborado como uma oportunidade de preencher essa
lacuna entre economia e desenvolvimento humano (HIDALGO E HAUSMANN, 2009).

Complexidade econômica pode ser entendida como a diversificação da produção e

geração de riqueza por meio de setores tecnologicamente intensivos (HAUSMANN E
HIDALGO, 2009). Existem capacidades como a infraestrutura específica e competências
laborais que são importantes para a geração de bens ligados à alta tecnologia (HIDALGO E
HAUSMANN, 2009). Países nos quais a produção é focada em bens de alto valor agregado
possuem maior complexidade.

Desenvolvimento humano é a ampliação das liberdades que cada indivíduo possui

(HUMAN DEVELOPMENT REPORT, 2016). Funcionalidades, capacidades e autonomia
correspondem aos três tipos de liberdade, sendo elas focadas nas atividades que cada
indivíduo valoriza. Ranis (2000) relacionou os conceitos de desenvolvimento humano com o
crescimento econômico buscando mostrar um benefício mútuo entre ambos. É possível
observar que existe correlação entre as variáveis de crescimento econômico e do
desenvolvimento humano. Isto abre caminho para vários outros estudos semelhantes, como o
uso da complexidade como variável econômica para explicar o desenvolvimento humano
(HARTMANN, 2014; OSSMAN, 2016; HARTMANN et al., 2017).

Os primeiros resultados conhecidos de pesquisas que exploraram a complexidade

apontam para uma correlação positiva com o crescimento econômico (HIDALGO E
HAUSMANN, 2009). A correlação mais forte obtida foi com o desenvolvimento humano.
Isso decorre pelo fato da complexidade estar ligada a qualidade dos empregos gerados, logo,
aos índices que esse parâmetro atua: educação, saúde e infraestrutura (HARTMANN, 2014).

O objetivo deste artigo é analisar a relação entre complexidade econômica e

desenvolvimento humano nas Unidades Federativas do Brasil, utilizando modelos

3
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

econométricos e o método Data Envelopment Analysis (DEA) para a criação de um indicador

de eficiência.

2. Revisão Bibliográfica

2.1. Complexidade Econômica

O conceito de “Complexidade Econômica” foi apresentado em 2011 por R. Hausmann

e C. Hidalgo. A Complexidade Econômica é um conceito que discute a importância da
diversificação da estrutura produtiva e a geração de riqueza, por meio de setores
tecnologicamente intensivos, capazes de gerar produtos com maior valor agregado
(HAUSMANN E HIDALGO, 2014; HARTMANN et al., 2014).

Para ser complexo, um produto precisa ser ubíquo e sofisticado. Ubiquidade é a

característica de um produto que poucos países têm capacidade de exportar (Gala, 2017).
Sofisticação está relacionada ao valor agregado e o nível de tecnologia utilizado no processo
de obtenção do produto. Por exemplo, ouro é ubíquo, porém não sofisticado, logo não é
complexo. Já máquinas-ferramenta são ubíquas e sofisticadas, portanto, são complexas.
Assim, uma nação que exporte uma grande diversidade de bens ubíquos com alto valor
agregado será considerada complexa (TACCHELLA et al., 2013).

A partir do conceito, pesquisadores da Universidade de Harvard e do Massachusetts

Institute of Technology (MIT) criaram um o Índice de Complexidade Econômica (ECI). Nele,
dados de Big Data das Nações Unidas (HIDALGO e HAUSMANN, 2009) sobre todos os
bens exportados são utilizados para mensurar quantitativamente um valor de complexidade de
casa país. O objetivo desse índice é avaliar o nível de sofisticação de um país sem depender
de uma avaliação subjetiva. A união de todos os valores de índices e dados relacionados para
diversos países do mundo, inclusive o Brasil, se encontra no Atlas da Complexidade (MIT,
2015).

A análise dos indicadores revelou que embora todas as capacidades sejam importantes,
aquelas ligadas com a produção de manufaturas de alta sofisticação tecnológica se mostram
mais relevantes no quesito de complexidade econômica (HIDALGO E HAUSMANN, 2009).
Países industrializados, exportadores de bens de alta tecnologia com valor agregado elevado
possuem maior complexidade do que países exportadores de commodities, na qual a
sofisticação pode existir, mas não na mesma proporção da indústria. Isso se mostra relevante

4
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

quando se observa que a complexidade está ligada a retornos de escala e produtividade. Disso,
decorre o fato que deve existir uma setorização adequada da economia quando busca-se elevar
a complexidade (GALA, 2017).

Algumas pesquisas sobre a relação entre a complexidade e fatores ligados ao

desenvolvimento humano já foram feitas. Analisou-se que variações de complexidade
econômica tem correlação positiva com a queda da desigualdade de renda em um país
(HARTMANN et al., 2017). Como desigualdade de renda não é a única variável de
desenvolvimento humano (HARTMANN, 2014; HARTMANN et al., 2015), um estudo mais
aprofundado desse conceito precisa ser avaliado.

2.2. Desenvolvimento Humano

O Desenvolvimento Humano é o processo de ampliação das escolhas de um indivíduo

(HUMAN DEVELOPMENT REPORT, 2016). As escolhas de um indivíduo são definidas
como as liberdades que ele possui dentro dos contextos valorizados pelo mesmo. As
liberdades se definem em duas áreas: o bem-estar e o agency. O bem-estar de uma pessoa
depende das capacidades e das funcionalidades. Já o agency está relacionado com a
autonomia do indivíduo (HUMAN DEVELOPMENT REPORT, 2016). Para Sen (2001, p.
17), o desenvolvimento envolve aspectos econômicos e sociais, para promover a expansão de
liberdades dos agentes.

O estudo mais difundido a respeito desse conceito é o Índice de Desenvolvimento

Humano (IDH). Ele está centrado em três diferentes pilares para estabelecer valores
quantitativos entre 0 e 1 que representem o nível de desenvolvimento de uma determinada
localidade, sendo o índice 1 o completo desenvolvimento enquanto o zero revela a ausência
de qualquer liberdade. Os três piares do IDH são: expectativa de vida ao nascer, escolaridade
(medida pelos anos médios de estudo), e renda per capita (definida como a divisão do Produto
Interno Bruto da localidade pelo número de habitantes).

Sen (1981) avaliou a variação dos índices de ‘qualidade de vida’, que seria uma
composição de longevidade e escolaridade de um indivíduo. Países que apresentaram uma
mudança do sistema produtivo voltada para o setor manufatureiro de exportação obtiveram
avanços rápidos e significativos na qualidade de vida se comparados aos demais países, sendo
isso ilustrado pela política econômica da Coréia do Sul no período citado.

Conforme afirma Ranis (2000), uma correlação significativa entre as variáveis de

5
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

crescimento econômico e as variáveis de desenvolvimento humano pode ser obtida por ambos
os lados, o que significa que estas são forças que se influenciam mutuamente. Desta forma, o
autor concluiu que pode existir um ciclo virtuoso no qual o país cuja economia cresce,
percebe o desenvolvimento humano avançar e como consequência, vê sua economia
apresentar novos avanços. Porém, o crescimento econômico não foi capaz de explicar
completamente a variação de desenvolvimento humano (SEN, 1981). Neste aspecto, a
complexidade pode ser o conceito capaz de explicar de maneira mais eficiente como as
variáveis econômicas e os indicadores de desenvolvimento humano estão relacionados.

3. Método

O principal método utilizado neste projeto é o Data Envelopment Analysis (DEA).

Este método tem sido utilizado em diversos temas da literatura econômica e diferentes áreas
da Engenharia, geralmente, com o apoio de modelos econométricos. No tema deste projeto, o
DEA se apoia no conceito de Eficiência Social de países ou regiões.

Eficiência Social é definida como a efetividade com a qual uma UF, país ou região
convertem a geração de riqueza econômica, geralmente mensurada pelo Produto Interno
Bruto (PIB), em desenvolvimento humano para seus habitantes (MARIANO et al., 2015). O
estudo pioneiro de Despotis (2005a; 2005b) utilizou o PIB per capita como o único indicador
social deste cálculo. O autor encontrou que Canadá, Japão, Reino Unido, Eslovênia, Suécia,
Nova Zelândia, Espanha, Grécia são os países desenvolvidos que apresentaram maior
eficiência relativa com a aplicação do modelo DEA, sendo os quatro últimos indicados como
benchmark para países em desenvolvimento.

A análise da complexidade econômica e desenvolvimento humano ainda foi pouco

explorada a partir do DEA. O estudo de Ferraz et al. (2018) comparou a eficiência social dos
países Latino Americanos e Asiáticos entre 2010 e 2014. Os autores encontraram que o
processo de conversão de complexidade econômica em desenvolvimento humano se sustentou
apenas nos países asiáticos, com destaque para a Coréia do Sul e Japão. Por outro lado, o
Brasil esteve entre as piores posições do ranking, demonstrando que o efeito das políticas
sociais das últimas décadas não foi suficiente para sustentar o avanço do desenvolvimento
econômico, sem reestruturar a malha produtiva do país.

6
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

3.1. Econometria

Dentro do escopo do método Data Envelopment Analysis (DEA), é necessário definir

quais serão as variáveis utilizadas como inputs e outputs do modelo. A fim de garantir a
robustez das variáveis escolhidas, será aplicada uma análise econométrica. Segundo Greene
(2011), a análise econométrica, por meio da matriz de correlação e regressão linear, é
importante porque valida o grau de explicabilidade (R²-Ajustado) e significância estatística
(teste T de Student) entre os inputs e outputs. Primeiramente, será gerada uma matriz de
correlação, em que se espera correlação positiva entre as variáveis de entrada (exportação de
produtos de alta tecnologia) em relação às variáveis sociais. Posteriormente, serão estimados
modelos de regressão linear múltipla, a partir de funções Cobb-Douglas ajustadas para o
problema analisado. Espera-se que os inputs possuam significância estatística sobre cada uma
das variáveis dependentes (outputs).

A regressão linear múltipla é feita para demonstrar a relação entre as variáveis

independentes em relação à dependente. Busca-se encontrar coeficientes estatisticamente
significativos, por meio do teste T de Student e coeficientes de determinação (R²-Ajustado)
considerados altos para os padrões analisados. A econometria permite selecionar quais são as
variáveis mais adequadas para utilizarmos como entrada e saída do método DEA.

3.2. Análise por Envoltória de Dados

Decision Making Unit (DMU) é um sistema autônomo de tomada de decisão que gera
um valor de eficiência relativo para uma amostra. O objetivo de cada DMU deve ser o de
converter um conjunto de inputs em um conjunto de outputs. Uma DMU avalia a eficiência
relativa de um conjunto de variáveis. Porém, em casos com vários inputs e outputs, ele não é
capaz de avaliar a correlação entre diferentes parâmetros. Isso pode ser resolvido usando a
Análise por Envoltória de Dados (do inglês, Data Envelopment Analysis - DEA).

O DEA mensura a eficiência de sistemas produtivos. As DMUs deste artigo serão as

Unidades Federativas (UFs) do Brasil. Diante disso, propõe-se a utilização deste método para
mensurar a eficiência para na transformação de complexidade econômica em
desenvolvimento humano.

O DEA, que foi desenvolvido por Charnes, Cooper e Rhodes (1978), é um método
matemático não-paramétrico baseado em programação linear, que avalia as fronteiras lineares
entre conjuntos de variáveis correlacionadas (MARIANO E REBELATTO, 2014), sendo

7
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

capaz de mensurar a eficiência de sistemas produtivos, gerando um ranking entre todas as

DMUs.

A eficiência de uma DMU é analisada dentro de sua fronteira de produção, expressa

pelo maior número de outputs que ela é capaz de produzir para cada unidade de input, sendo
esse o limite imposto pela tecnologia atual (COOK E ZHU, 2014). A eficiência de cada
unidade é proporcional à distância que ela apresenta dessa fronteira, podendo variar entre 0
(completamente ineficiente) e 1 (eficiente) (CHARNES E COOPER, 1985).

Segundo Mariano e Rebelatto (2014), existem dois modelos principais de aplicação do

DEA: o de Retornos Constantes à Escala (CRS) e Retornos Variáveis na Escala (BCC). A
diferença entre estes modelos decorre da diferenciação em relação à escala produtiva,
relativizando os indicadores de acordo com a unidade escolhida. Para esse projeto, propõe-se
a utilização do modelo BCC, tendo em vista a necessidade de levar em conta a escala
produtiva e as diferenças regionais do Brasil (MARIANO et al., 2015).

No modelo BCC, existem três regiões de fronteira relacionadas ao comportamento dos

inputs e outputs: a região em que o output cresce além do proporcional em relação ao input
(crescente); a região em que eles são proporcionais (constante) e a região na qual os outputs
crescem abaixo da proporção dos inputs (decrescente). Além disso, o modelo proposto será
orientado ao output. Justifica-se a escolha desta orientação, pois se maximiza os outputs
(desenvolvimento humano) sem minimizar os inputs (complexidade econômica) das unidades
federativas brasileiras.

4. Resultados

4.1. Econometria

A partir de uma base de dados secundária, procedeu-se com a análise estatística das
variáveis, buscando encontrar uma correlação entre elas. O período estudado foi entre os anos
de 2006 e 2015. A matriz de correlação demonstrou haver correlação positiva e significativa a
1% com o ECI normalizado em relação ao: PIB per capita (0,28), número de trabalhadores
empregados (0,82), quantidade de empregados com ensino superior (EES = 0,84), quantidade
de profissionais no setor de P&D (P&D = 0,89), acesso a rede de esgoto (RES = 0,35) e
número de médicos a cada mil habitantes (MED = 0,31). Já a variável de taxa de homicídio
apresentou uma correlação negativa e estatisticamente significativa a 1% com o índice de

8
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

complexidade (TXH = -0,23), o que era esperado.

Isso mostra que a complexidade econômica das unidades federativas brasileiras possui
correção com os aspectos sociais e econômicas de cada região. Isto reforça os resultados de
pesquisas internacionais que avaliaram outros países (HARTMANN et al., 2017; FERRAZ et
al., 2018). Verifica-se que o aumento da complexidade econômica nas UFs elevaria a
qualidade de vida da população, além de reduzir a número de homicídios por habitante.

Do mesmo modo, foi aplicado regressão linear a cinco diferentes modelos. Cada
modelo buscava explicar uma das variáveis de qualidade de vida que obtiveram correlação
significativa com as variáveis econômicas (ECI Normalizado, quantidade de trabalhadores e
PIB per capita). A Tabela 1 apresenta as estimativas obtidas.

Tabela 1 – Estimativas Modelos Econométricos

(1) (2) (3) (4) (5)
Variáveis
MED RES TXH EES P&D
ECI Normalizado 0.0642*** 0.207*** -0.0566** 0.0255*** 0.121***
(0.0120) (0.0442) (0.0236) (0.00663) (0.0245)
Número de Trabalhadores 0.123*** 0.438*** -0.0735*** 0.965*** 1.268***
(0.0130) (0.0461) (0.0203) (0.0123) (0.0386)
PIB per capita 0.446*** 0.297*** 0.0439 0.195*** 0.317***
(0.0345) (0.0795) (0.0551) (0.0252) (0.0767)
Contante -5.809*** -6.065*** 4.091*** -3.301*** -15.09***
(0.285) (0.776) (0.517) (0.221) (0.670)
Observações 270 270 270 270 270
R² 0.715 0.465 0.054 0.977 0.856
Desvio padrão entre parênteses
*** p<0.01, ** p<0.05, * p<0.1
Fonte: elaborado pelos autores

Vale ressaltar que o ECI normalizado foi estatisticamente significativo em todos os

modelos econométricos. As estimativas demonstram impacto positivo do ECI sobre a
quantidade de médicos por habitante (MED = 0,0642), acesso a rede de esgoto (RES = 0,207),
empregos com ensino superior (EES = 0,0255) e profissionais em pesquisa e desenvolvimento
(P&D = 0,121). Conforme esperado, a relação entre complexidade e taxa de homicídios foi
negativa (TXH = -0,0566). Todos os sinais e valores obtidos confirmam as hipóteses
propostas a respeito da complexidade econômica explica qualidade de vida. Ademais,
verificou-se a significância estatística de 1% para o coeficiente da complexidade econômica
na maioria das regressões. Diante desse resultado, é possível afirmar que a complexidade
econômica influencia o desenvolvimento humano nas UFs do Brasil. Na próxima seção, o
modelo DEA avalia a eficiência de cada UF do Brasil.

9
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

4.2. Análise DEA 2015

A análise DEA para o ano de 2015 mostrou que 11 estados brasileiros foram
eficientes: Alagoas, Ceará, Distrito Federal, Espírito Santo, Goiás, Minas Gerais, Pará, Rio de
Janeiro, Santa Catarina, São Paulo e Sergipe. As demais UFs avaliadas se dividiram dentro da
escala. Os estados mais ineficientes foram Acre (57,0%), Mato Grosso do Sul (56,4%) e em
último o Piauí (35,4%).

Os resultados apontam que os estados da região Sudeste são mais eficientes em

comparação com as demais regiões, o que é evidenciado pela concentração de atividades tanto
econômicas como socais nessa região. Por outro lado, alguns estados do Nordeste foram
eficientes, sendo uma possível explicação as políticas sociais desenvolvidas na região nas
últimas décadas. Por exemplo, o programa Bolsa Família, que além de garantir renda básica
para subsistência das famílias mais pobres, garante o acesso à educação pública das crianças e
jovens da região e requer a vacinação dos recém-nascidos. Vale destacar, que outros
programas sociais como o Luz para Todos e Minha Casa Minha Vida podem ter influenciado
a resultado da eficiência nas UFs menos desenvolvidas no Brasil. Sendo assim, a influência
dos programas sociais sobre a eficiência das UFs requer análise de estudos futuros.

Um ponto interessante a ser destacado é o retorno de escala, em todos os estados, essa

avaliação gerada pelo DEA se mostrou decrescente, com exceção do Pará, que teve seu
retorno de escala constante. Isso revela que praticamente todos os estados brasileiros, mesmo
os eficientes, as variáveis de desenvolvimento econômico crescem de maneira menos
expressiva que a variação da complexidade econômica. Com isso, conclui-se que há muitas
oportunidades de melhoria nas UFs brasileiras, tanto no quesito de eficiência quanto no
retorno de escala.

FIGURA 1 – Mapa comparativo de eficiência social entre as Unidades de Federação

brasileiras no ano de 2015.

10
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

Fonte: elaborada pelo autor

5. Conclusão

Esse artigo trouxe uma revisão a respeito dos conceitos de complexidade econômica e
desenvolvimento humano no cenário brasileiro. Por meio de modelos econométricos foi
possível verificar que a complexidade explica o desenvolvimento humano nas UFs do Brasil.
Estados mais complexos possuem um nível de desenvolvimento maior do que aqueles com
menor complexidade econômica.

O modelo DEA mostrou que os estados do Sudeste são mais eficientes que as demais
UFs brasileiras. A região Norte foi a mais ineficiente. Chama atenção o fato de alguns estados
do Nordeste terem alcançado a eficiência social. Sendo assim, estudos futuros devem analisar
a influência dos programas sociais sobre o cálculo de eficiência das regiões brasileiras.

Vale destacar que o fato de um estado ter sido considerado eficiente, não significa que
haja desenvolvimento social e econômico, mas sim que no modelo DEA ele pôde ser
considerado como uma das melhores práticas para o fenômeno analisado. Portanto, conclui-se
que as unidades federativas do Brasil precisam de políticas públicas que continuem
desenvolvendo a complexidade econômica, por meio da diversificação da matriz produtiva,
incentivos à Ciência e Tecnologia, bem como elevação da participação relativa da Indústria na
composição dos setores econômicos. Por meio deste tipo de estratégia, o Brasil poderá, não
apenas crescer economicamente, mas desenvolver os aspectos sociais e humanos.

11
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

Referências

ATLAS DO DESENVOLVIMENTO HUMANO NO BRASIL. Programa das Nações Unidas para o

Desenvolvimento (PNUD), Instituto de Pesquisa Econômica Aplicada (Ipea) e a Fundação João Pinheiro (FJP).
2010

CHARNES, A., COOPER, W. W., GOLANY, B., SEIFORD, L., & STUTZ, J.. Foundations of Data
Envelopment Analysis for Pareto-Koopmans Efficient Empirical Production Functions. Journal of Econometrics,
1985

CHARNES, A., COOPER, W. W., & RHODES, E. Measuring Efficiency of Decision-Making Units. European
Journal of Operational Research, 1978.

COOK, W. D.. & ZHU, J. Data Envelopment Analysis – A Handbook on the Modeling of Internal Structures
and Networks. International Series in Operations Research & Management Science. Springer Science + Business
Media New York. 2014.

DESPOTIS, D. A reassessment of the human development index via data envelopment analysis. Journal of the
Operational Research Society. 2005

DESPOTIS, D. Measuring human development via data envelopment analysis: the case of Asia and the Pacific.
Omega. 2005.

Ferraz, Diogo, Moralles, Herick Fernando, Campoli, Jessica Suárez, Oliveira, Fabíola Cristina Ribeiro de, &
Rebelatto, Daisy Aparecida do Nascimento. Economic Complexity and Human Development: DEA performance
measurement in Asia and Latin America. Gestão & Produção, Epub June 07,
2018.https://dx.doi.org/10.1590/0104-530x3925-18. 2018.

GALA, P. Complexidade Econômica: Uma nova perspectiva para entender a antiga questão da riqueza das
nações. Rio de Janeiro: Contraponto. 2017.

GREENE, W. H. Econometric Analysis. New York: Prentice Hall. 2011.

HARTMANN, D. Economic complexity and human development: how economic diversification and social
networks affect human agency and welfare (Vol. 110): Routledge. 2014.

HARTMANN, D., GUEVARA, M., JARA-FIGUEROA, C., ARISTARÁN, M., & HIDALGO, C. Linking
economic complexity, institutions and income inequality. 2015.

HARTMANN, D., JARA-FIGUEROA, C., GUEVARA, M., SIMOES, A., & HIDALGO, C. A. The structural
constraints of income inequality in Latin America. 2017.

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. 2009.

12
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

HUMAN DEVELOPMENT REPORT. United Nations Development Programme – UNDP The Human
Development Report 2016. New York: Oxford University Press. 2016.

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. 2014.

MARIANO, E. B., SOBREIRO, V. A., & REBELATTO, D. A. D. Human development and data envelopment
analysis: A structured literature review. Omega-International Journal of Management Science. 2015

MIT’s Observatory of Economic Complexity: Country Ranking. (n.d.). Retrieved June 28, 2015, from
https://atlas.media.mit.edu/rankings. 2015.

OSSMAN, G.Human Development Achievements of United Arab Emirates: Implications on Sustainability of

Economic Diversification Strategy. Al Dar Research Journal for Sustainability, v.1(1). 2016.

RANIS, G., STEWART, F., & RAMIREZ, A. Economic growth and human development. World Development,
2000.

SEN, A. Public action and the quality of life in developing countries. Oxford Bulletin of Economics and
Statistics, 1981.

SEN, A. Mortality as an indicator of economic success and failure. Economic Journal, 1998.

SEN, A. Development as freedom: Oxford Paperbacks. 2001.

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, 2001.

13